Google presentó una interfaz centrada en el usuario, que ayuda a los radiólogos a aprovechar modelos de machine learning para la detección de cáncer de pulmón.
El cáncer de pulmón es la principal causa de muerte relacionada con cáncer a nivel global, con cerca de 2 millones de muertes reportadas cada año. El diagnóstico tardío es uno de los factores que impide la supervivencia de quienes lo padecen. Por ello, está demostrado que la detección del cáncer de pulmón utilizando tomografías computarizadas (TC), reduce la mortalidad en poblaciones de alto riesgo en al menos un 20% al detectar signos potenciales de cáncer antes de su desarrollo.
Google ha conducido múltiples investigaciones acerca del tema y ha utilizado modelos de machine learning para la detección del cáncer de pulmón, lo que ha favorecido la evaluación de los mismos. De esta manera se ha generado evidencia sobre su capacidad de detectar y clasificar automáticamente regiones que muestran signos de cáncer.
Recientemente publicaron un estudio at Radiology sobre el uso de inteligencia artificial (IA) en la detección de cáncer de pulmón en Estados Unidos y Japón. Este artículo analiza los hallazgos de un estudio que evalúa el impacto de un asistente de IA en la detección de cáncer de pulmón (LCS, en inglés) en un contexto multinacional.
El estudio utilizó estudios retrospectivos aleatorizados de múltiples lectores y múltiples casos, que involucraban radiólogos torácicos experimentados de ambos países. Examinaron 627 casos de tomografía computarizada de tórax de baja dosis, incluyendo casos positivos (cáncer confirmado) y negativos (sin diagnóstico de cáncer en al menos dos años). Los radiólogos leyeron cada caso dos veces, una vez con asistencia de IA y otra sin ella.
Los resultados mostraron que el rendimiento diagnóstico de los radiólogos, medido por el área bajo la curva característica de operación del receptor (AUC, en inglés), mejoró con la asistencia de IA. Específicamente, el AUC aumentó en 0.023 para ambos estudios en Estados Unidos y Japón. Además, la especificidad para hallazgos accionables aumentó significativamente con la asistencia de IA en ambos países.
Sin embargo, no hubo una diferencia significativa en la sensibilidad entre las lecturas sin asistencia de IA y con asistencia de IA. El sistema de IA independiente también mostró un buen rendimiento en términos de AUC.
El estudio concluye que la interfaz de IA mejoró la especificidad de LCS en estudios de lectores basados en Estados Unidos y Japón, lo que sugiere su utilidad potencial en entornos de detección internacionales. Se recomienda realizar más investigaciones para explorar su efectividad en otros entornos.
