Artículo original: Brown M, Browning P, Wahi-Anwar MW, Murphy M, Delgado J, Greenspan H, et al. Integration of Chest CT CAD into the Clinical Workflow and Impact on Radiologist Efficiency. Acad Radiol. 2019;26:626-31.
DOI: https://doi.org/10.1016/j.acra.2018.07.006
Sociedad: Association of University Radiologists (www.aur.org)
Palabras clave: Lung nodules, Computer Aided-detection.
Línea editorial del número:
Academic radiology es una publicación mensual, con un índice de impacto de 2.11. En la publicación del mes de mayo están disponibles 29 artículos de diversa índole englobando investigaciones originales, artículos educativos, editoriales y cartas al director. Destacan artículos centrados en aspectos novedosos de la especialidad como sistemas de ayuda al diagnóstico, radiogenómica, así como un interesante artículo sobre la evaluación del riesgo de aneurismas intracraneales con resonancia magnética. También hay artículos centrados en la educación como un atractivo artículo que valora la mejora en las competencias de radiología de emergencias utilizando un simulador en línea.
Motivos para la selección:
Creo que es interesante formar una opinión crítica sobre el uso que podemos dar en la práctica clínica habitual a los sistemas de ayuda al diagnóstico basados en la inteligencia artificial, ya que es muy probable que a lo largo de nuestra carrera profesional tengamos que convivir con estos, y cuánto más formación tengamos sobre el tema tendremos menos reticencias para introducir sistemas de inteligencia artificial a nuestra práctica diaria, y más ideas podremos aportar en el futuro para diseñar los sistemas de ayuda al diagnóstico del futuro.
Resumen:
El desarrollo de algoritmos automatizados de detección de nódulos pulmonares se ha basado en comparar la sensibilidad y especificidad de la detección de nódulos en comparación con el estándar determinado por el radiólogo. Ha habido poca evaluación del efecto que los sistemas automatizados de detección de nódulos pueden tener en la eficiencia con la que el radiólogo completa el informe radiológico.
El propósito de este artículo es describir la integración de un sistema de detección automática de nódulos pulmonares mediante tomografía computarizada de tórax en el flujo de trabajo de informes de radiología, y realizar una investigación inicial de su impacto en la eficiencia del radiólogo, medido como el tiempo empleado en interpretar y producir un informe final.
La asistencia mediante sistemas de ayuda al diagnóstico redujo los tiempos de lectura en un 7%-44%, en relación con el método manual convencional, para los tres radiólogos participantes en el estudio, desde la apertura del caso hasta la realización del informe final.
El estudio fue diseñado para valorar la eficiencia del radiólogo desde la apertura de un informe hasta la finalización del mismo, sin tener en cuenta el mecanismo mediante el cual se consigue aumentar dicha eficiencia, por lo que más estudios en ese sentido serían necesarios para identificar las áreas de mejora en la eficiencia del radiólogo.
El estudio fue diseñado para centrarse en medir el impacto que tiene en la lectura de las imágenes la introducción en el flujo de trabajo de detecciones automatizadas mediante sistemas de ayuda al diagnóstico. Para eliminar otros factores de confusión, se han incluido casos con nódulos dentro del rango de tamaño de inclusión y sin regiones de enfermedad pulmonar difusa. Bajo estas condiciones, se demostró que los sistemas de ayuda al diagnóstico tienen una baja tasa de falsos positivos. Si el sistema de ayuda al diagnóstico tuviera una elevada tasa de falsos positivos debido a la existencia de otras anomalías que el radiólogo tuviera que eliminar del informe, podría afectar de forma negativa al tiempo de realización de un informe final. Por lo que podemos concluir que es necesario el uso de un conjunto de datos más amplio y heterogéneo para probar la efectividad de estos sistemas.
Este estudio proporciona una investigación del impacto de los sistemas de ayuda al diagnóstico mediante la detección y la medición de nódulos en los TC de tórax. Busca complementar la investigación sobre sensibilidad y especificidad de los sistemas de ayuda al diagnóstico centrándose en el tiempo de generación de informes cuando se utiliza un sistema de ayuda al diagnóstico integrado. La introducción automática de datos de un informe con mediciones automatizadas de nódulos y aorta produjo ahorros sustanciales de tiempo en relación con la medición y el ingreso manuales.
Es probable que la integración de los sistemas de ayuda al diagnóstico a la práctica clínica diaria y su aceptación por parte de los radiólogos sean tan importantes como la sensibilidad y especificidad para la adopción de estos por parte de los profesionales.
Valoración personal:
Me parece un estudio innovador ya que aborda el tema de la utilidad de un sistema de detección de nódulos asistido por inteligencia artificial desde un enfoque original, al tener en cuenta si realmente el sistema de asistencia ayuda al radiólogo a ser más eficiente en su trabajo, lo que implica una variable mucho más útil que la medida en estudios previos que se basaban en la sensibilidad y especificidad de detección de nódulos.
Creo que el uso de sistemas de ayuda al diagnóstico es un tema que está de actualidad, y como radiólogos debemos formar un pensamiento crítico con respecto al mismo.
Puntos fuertes: Precisión en la descripción metodológica de cómo se han realizado las lecturas, tratando de evitar posibles sesgos teniendo en cuenta las medidas
Puntos débiles: Se establece que el estudio no ha sido diseñado para valorar la sensibilidad del sistema de ayuda al diagnóstico en la medición de nódulos pulmonares, pero se dan estimaciones sobre la sensibilidad, lo cual no es correcto dado que no podemos responder preguntas para las que no ha sido diseñado el estudio.
Lorenzo Ismael Pérez Sánchez
Hospital General de Segovia. R1.
cbseram.com 
Deja una respuesta