El modelo colaborativo entre radiólogos y sistemas de AI reduce errores, optimiza recursos y mejora la precisión en el tamizaje por ultrasonido del carcinoma hepatocelular.
El carcinoma hepatocelular (HCC), el tipo más común de cáncer de hígado, representa un reto significativo para los sistemas de salud, tanto por su letalidad como por la dificultad de detectarlo a tiempo. Una nueva investigación publicada en npj Digital Medicine journal demuestra que la integración de artificial intelligence (AI) en los programas de detección por ultrasonido puede aumentar la precisión diagnóstica y disminuir la carga de trabajo de los radiólogos, con beneficios directos para pacientes y sistemas hospitalarios.
El estudio, liderado por investigadores en China y realizado en múltiples centros médicos, evaluó más de 21 mil imágenes de ultrasonido hepático de casi 12 mil pacientes. El objetivo fue comparar distintas estrategias de colaboración entre radiólogos y herramientas de AI para mejorar el tamizaje del HCC, enfermedad que suele detectarse demasiado tarde para un tratamiento efectivo.
Para ello, se desarrollaron dos sistemas de AI complementarios: UniMatch, diseñado para detectar lesiones hepáticas en las imágenes, y LivNet, encargado de clasificarlas como benignas o malignas. Ambos modelos fueron entrenados con miles de imágenes y luego evaluados bajo cuatro estrategias de interacción humano-AI.
The Estrategia 4 resultó ser la más prometedora. En este enfoque, la AI realiza una evaluación inicial de las imágenes, y los radiólogos sólo revisan los casos que la AI considera negativos o de bajo riesgo. Esta estrategia logró mantener una sensibilidad alta (0.956), mejorar la especificidad (0.787 vs 0.698 en el método tradicional), y reducir el número de imágenes que los radiólogos deben revisar en un 54.5%. Además, disminuyó la tasa de falsos positivos, lo cual ayuda a reducir la ansiedad del paciente y evita pruebas innecesarias como tomografías o resonancias magnéticas.
Otro hallazgo importante fue que esta colaboración no solo mantiene la precisión diagnóstica, sino que también reduce el exceso de confianza en los errores, un aspecto clave cuando se trata de decisiones clínicas delicadas. En grupos de pacientes con lesiones pequeñas, la Estrategia 4 superó significativamente en sensibilidad a otros métodos, lo que sugiere un gran potencial para la detección temprana.
Este estudio demuestra que la AI puede transformar el tamizaje del cáncer de hígado. La combinación de precisión tecnológica con la experiencia médica no solo mejora los resultados clínicos, sino que optimiza recursos y tiempo. Si bien se requieren más estudios para validar su aplicación generalizada, el modelo propuesto abre la puerta a un futuro más eficiente y personalizado en la medicina diagnóstica.
