Artículo original: X Zhu, Zhu, L., D Song, Wang, D., Wu, F., & Wu, J. (2023). Comparison of single- and dual-energy CT combined with artificial intelligence for the diagnosis of pulmonary nodules. Clinical Radiology, 78(2), e99–e105.
DOI: https://doi.org/10.1016/j.crad.2022.09.114
Sociedad: The Royal College of Radiologists. @RCRadiologists
Palabras clave: N/A
Abreviaturas y acrónimos utilizados: Dosis efectiva (DE), Inteligencia artificial (IA), Producto dosis longitud (PDL), Relación contraste ruido (RCR), Tomografía computarizada (TC).
Línea editorial del número:
Clinical Radiology está publicada por Elsevier en nombre del Real Colegio de Radiólogos. Es una revista internacional que ofrece investigación original, editoriales y artículos de revisión sobre todos los aspectos del diagnóstico por imagen. En el mes de febrero publica el número 2 del volumen 78, siendo la mayoría de artículos dedicados a desarrollar la temática de la inteligencia artificial desde una introducción a la audiencia clínica (revisión que nos explica globalmente en qué consiste la inteligencia artificial y sus campos de actuación no solo con enfoque a los radiólogos), hasta las aplicaciones que puede tener en los distintos ámbitos clínico-radiológicos, siendo ejemplo su uso en el código ictus, la mejora en la detección de patrones de enfermedades infecciosas tales como la COVID-19 o incluso la predicción de la respuesta a inmunoterapia en el hepatocarcinoma.
Motivos para la selección:
Realizar una completa y acertada revisión de las imágenes torácicas en la tomografía computarizada (TC) para detectar nódulos en el parénquima pulmonar requiere de entrenamiento, tiempo y experiencia para lograr ser más eficientes. De esta correcta valoración imagenológica respecto a los nódulos pulmonares, tanto en el número como en sus características anatómicas, se desencadenará un cambio en la conducta clínica. Por tanto, la necesidad de ser muy sensibles y específicos a la hora de realizar esta tarea es el nicho idóneo para la implementación de herramientas de IA como ayuda al diagnóstico, tópicos en los que se enfoca este artículo.
Resumen:
En la actualidad, el volumen de estudios realizados con el fin de detectar tempranamente el cáncer pulmonar va en ascenso, lo que se traduce en una mayor carga laboral para el radiólogo en el día a día. Esta situación puede conducir fácilmente a la omisión de la detección correcta de nódulos pulmonares y por tanto un diagnóstico erróneo, para ayudar en este proceso se han desarrollado programas de inteligencia artificial (IA) que buscan disminuir las tasas de omisiones. Sin embargo esta ayuda no es suficiente ya que como bien sabemos en la correcta valoración de la imagen radiológica influyen también los parámetros de la técnica, como es el caso de la TC convencional de energía sencilla en la que la discriminación de densidad del tejido puede ser pobre debido a los efectos fotoeléctricos y de dispersión que intervienen en ella. No obstante, la TC de energía dual ha demostrado varias ventajas como lo son la velocidad en la exploración, la baja dosis de radiación y las potentes funciones de posprocesamiento.
El estudio actual por tanto analiza las ventajas del análisis de imágenes por la IA para detectar nódulos pulmonares, obtenidas tanto de TC convencional como en TC de energía dual.
El estudio fue llevado a cabo en China, con un modelo de tipo prospectivo, incluyendo inicialmente 800 pacientes mayores de 18 años en el transcurso de 14 meses, los cuales ingresaban por programa de cribado para cáncer pulmonar, el cual hasta el momento, según lo reportado en 2021 por la Sociedad Europea de Neumología, solo se realiza en China y Estados Unidos. También ingresaban al estudio por sintomatología respiratoria, sin antecedentes de cirugía torácica, quimio o radioterapia. A estos pacientes se les realizó una TC de energía sencilla (grupo S) y a otros TC de energía dual (grupo D), cambiando el modo de técnica cada dos días para lograr la aleatorización. Finalmente, con la revisión de las imágenes se excluían del análisis aquellos con masas > 3 cm, derrame pleural masivo o importantes artefactos de movimiento respiratorio, lo que concluyó en 341 pacientes para cada grupo de análisis (grupo S y grupo D).
Una vez realizadas las imágenes se analizaron con el software de IA, clasificando los nódulos pulmonares por tamaño y densidad, posteriormente los nódulos pulmonares reales eran contados y confirmados por 3 radiólogos expertos. Para garantizar la calidad de la imagen se siguieron los criterios de directrices europeas, obteniendo al final de las mediciones de atenuación de la aorta y del músculo erector espinal un índice que se conoce como relación contraste-ruido (RCR). En cuanto a la dosis de radiación se establecía de manera automática por un software el producto dosis-longitud (PDL) y la dosis efectiva era el PDL multiplicado por una constante ya conocida.
Con estas variables objetivas y los datos demográficos de los participantes se realizó el análisis estadístico donde se comparaban entre sí los dos grupos con las pruebas estadísticas adecuadas según la variable a analizar.
Tras la realización del análisis estadístico entre los dos grupos, se demostró que las imágenes de la TC de energía dual eran de mejor calidad y con menor dosis de radiación. Posteriormente procedieron a validar la eficacia de la detección de nódulos pulmonares con el software de IA, demostrando que la sensibilidad en el grupo de TC de energía dual (grupo D) y la tasa de falsos positivos fue superior a la del grupo de TC convencional (grupo S). En cambio en comparación con la TC de energía dual, la especificidad y la tasa de fallos fueron superiores en la TC convencional. También se evaluó el tamaño de las lesiones detectadas con la IA, encontrando que la sensibilidad era mayor en la TC de energía dual, excepto para nódulos de entre 5 – 10 mm, siendo la especificidad mayor en el TC convencional.
Por último, se estimó la eficacia diagnóstica de la IA para la confirmación de los tipos de nódulos siendo también mayor la sensibilidad del TC de energía dual (grupo D) en este aspecto frente al TC convencional (grupo S), excepto en los nódulos calcificados.
En conclusión, en comparación con la TC de energía simple, la TC de energía dual puede mejorar significativamente la sensibilidad del diagnóstico de nódulos pulmonares basado en IA y es práctica para el cribado de nódulos pulmonares en una población amplia. Además, se cree que la TC de energía dual es un método más claro y menos radiactivo en comparación con la TC de energía única, pero su precisión es menor.
Valoración personal:
Este estudio realiza un análisis muy interesante de un tema novedoso como es la inteligencia artificial y es de resaltar que no solo se enfoca en demostrar que esta es eficiente en detectar nódulos pulmonares de manera precisa, si no que analiza en qué tipo de técnica de TC es más rentable realizarlo.
Resalto que lograron obtener una muestra poblacional estadísticamente significativa para el poco tiempo de reclutamiento, lo cual le da un poder estadístico muy bueno. Sin embargo y como ellos mismos indican en la discusión lo ideal para el análisis estadístico hubiera sido realizar el estudio en paralelo, situación que no se lograba dado el incremento económico que esto acarrearía.
También me genera dudas que no especifican en los métodos de qué manera se distribuían los estudios los radiólogos expertos encargados de la verificación, puesto que considero que si no era equitativo entre las imágenes del grupo D y el grupo S se podría incurrir en un sesgo de información.
En general es un primer acercamiento a un campo muy novedoso que requerirá mayor investigación en diferentes poblaciones para una implementación ajustada a la realidad.
Silvia Juliana Carreño Reyes
Hospital Universitario de Getafe. R2.
cbseram.com 
Deja una respuesta