Una nueva investigación revela que una herramienta de diagnóstico asistido por computadora (CAD) habilitada con inteligencia artificial (IA) puede ofrecer una sensibilidad y especificidad de detección significativamente mejoradas para detectar nódulos pulmonares malignos en tomografía computarizada (TC) en comparación con el sistema de clasificación Lung-RADS.
En una revisión retrospectiva de datos de 963 pacientes con un total de 1331 nódulos pulmonares, los investigadores compararon una herramienta de clasificación de aprendizaje automático (RevealAI™-Lung) con el sistema de clasificación Lung-RADS. Entrenado con datos de imágenes del National Lung Screening Trial (NLST), el software de clasificación revisa las tomografías computarizadas y la ubicación de los nódulos para calcular un valor numérico de «índice de similitud de malignidad» (mSI) que va de 0 (benigno) a 1 (cáncer), según el estudio, que fue publicado recientemente en el Revista del Colegio Americano de Radiología.
En una cohorte del NLST con 704 nódulos, los autores del estudio dijeron que la combinación de la puntuación mSI y el sistema de clasificación Lung-RADS mejoraron la sensibilidad en un 68 % y la especificidad en un 17 % en comparación con Lung-RADS solo. En una cohorte de validación que involucró datos de un programa de detección pulmonar, la combinación de la puntuación mSI y Lung-RADS mejoró la sensibilidad en un 25 % y la especificidad en un 33 % en comparación con Lung-RADS solo, según el estudio. En otra cohorte, que incluyó a 187 pacientes a los que se les detectaron nódulos pulmonares fuera de un programa de detección de cáncer de pulmón, los autores del estudio notaron una mejora del 117 % en la sensibilidad y una mejora del 18 % en la especificidad para la combinación de la puntuación mSI y Lung-RADS en comparación a Lung-RADS solo.
«Cuando se combina con los modelos de riesgo clínico existentes, (RevealAI-Lung) proporciona un valor de diagnóstico adicional y una predicción más precisa del riesgo de malignidad en múltiples cohortes», escribió Scott J. Adams, MD, Ph.D., afiliado al Departamento de Imágenes médicas de la Universidad de Saskatchewan en Saskatoon, Canadá, y colegas.
En un análisis posterior de nódulos malignos en la cohorte NLST y tomografías computarizadas obtenidas un año antes de la confirmación del diagnóstico, Adams y sus colegas encontraron que 53 pacientes tenían valores altos de mSI y el tiempo promedio para confirmar el diagnóstico para estos pacientes fue de 502 días después de la tomografía computarizada. . Los autores del estudio señalaron que la puntuación mSI habría reclasificado al 36 por ciento de los pacientes, inicialmente diagnosticados con una categoría Lung-RADS bajo 4B, como de alto riesgo.
“Demostramos que mSI identifica los nódulos como probablemente malignos más de 1 año antes de que fueran diagnosticados definitivamente en la práctica, lo que demuestra la utilidad de las aplicaciones de aprendizaje automático supervisado para la detección temprana y el tratamiento del cáncer de pulmón”, señalaron Adams y sus colegas.
Los autores del estudio también sostuvieron que la capacidad del mSI para clasificar con precisión los nódulos de bajo riesgo podría ayudar a prevenir procedimientos innecesarios.
“Por ejemplo, en el NLST, el 24 % de las toracotomías, el 75 % de las broncoscopias y el 67 % de las biopsias con aguja se realizaron en pacientes que no tenían cáncer de pulmón confirmado”, señalaron Adams y sus colegas.
Con respecto a las limitaciones del estudio, los autores admitieron que los criterios para el estudio retrospectivo pueden haber llevado a un sesgo de la muestra hacia los nódulos de mayor riesgo que justificarían un seguimiento más detallado. Incluso con un seguimiento radiológico de varios años, Adams y sus colegas reconocieron que algunos nódulos cancerosos pueden caracterizarse como benignos. También señalaron que los desafíos del muestreo de tejido con pequeños nódulos pulmonares pueden contribuir a las imprecisiones con la confirmación patológica.
