Un nuevo estudio internacional liderado por investigadores del Instituto Karolinska en Suecia muestra que los modelos basados en IA pueden superar a los expertos humanos en la identificación del cáncer de ovario en imágenes de ultrasonido, lo que podría ayudar a reducir las intervenciones innecesarias y acelerar los diagnósticos.
Un estudio reciente publicado en la revista Nature Medicine demuestra que los modelos de redes neuronales basados en inteligencia artificial (IA) pueden superar a los expertos y a los examinadores de ultrasonido menos experimentados en la identificación del cáncer de ovario.
«Los tumores de ovario son comunes y a menudo se detectan por casualidad», explica la Profesora Elisabeth Epstein, del Departamento de Ciencias Clínicas y Educación del Hospital Södertälje (Estocolmo) y consultora sénior del Departamento de Obstetricia y Ginecología del hospital.
«Existe una grave escasez de expertos en ultrasonido en muchas partes del mundo, lo que ha generado preocupaciones por intervenciones innecesarias y retrasos en los diagnósticos de cáncer. Por lo tanto, queríamos averiguar si la IA puede complementar a los expertos humanos».
Los investigadores desarrollaron y validaron modelos de redes neuronales capaces de diferenciar entre lesiones ováricas benignas y malignas, entrenando y probando la IA en más de 17.000 imágenes de ultrasonido de 3.652 pacientes en 20 hospitales de ocho países.
Luego compararon la capacidad diagnóstica de los modelos con un gran grupo de expertos y examinadores de ultrasonido menos experimentados.
Los resultados mostraron que los modelos de IA superaron tanto a los examinadores expertos como a los no expertos en la identificación del cáncer de ovario, alcanzando una tasa de precisión del 86.3%, en comparación con el 82.6% y el 77.7% de los examinadores expertos y no expertos, respectivamente.
«Esto sugiere que los modelos de redes neuronales pueden ofrecer un valioso apoyo en el diagnóstico del cáncer de ovario, especialmente en casos difíciles de diagnosticar y en entornos donde hay escasez de expertos en ultrasonido», afirma la Profesora Epstein.
Además, los modelos de IA pueden reducir la necesidad de derivaciones a expertos. En una situación de triaje simulada, el apoyo de la IA redujo el número de derivaciones en un 63% y la tasa de diagnósticos erróneos en un 18%, lo que puede conducir a una atención más rápida y rentable para los pacientes con lesiones ováricas.
A pesar de los resultados prometedores, los investigadores enfatizan que se necesitan más estudios antes de comprender plenamente el potencial de los modelos de redes neuronales y sus limitaciones clínicas.
«Con una investigación y un desarrollo continuos, las herramientas basadas en IA pueden ser una parte integral de la atención médica del mañana, aliviando a los expertos y optimizando los recursos hospitalarios, pero debemos asegurarnos de que puedan adaptarse a diferentes entornos clínicos y grupos de pacientes», afirma Filip Christiansen, estudiante doctoral del grupo de investigación de la Profesora Epstein en el Instituto Karolinska.
Los investigadores están ahora realizando estudios clínicos prospectivos en el Hospital Södertälje para evaluar la seguridad y utilidad clínica cotidiana de la herramienta de IA.
Las futuras investigaciones también incluirán un estudio multicéntrico aleatorizado para examinar su efecto en el manejo de los pacientes y los costos de la atención médica.