Validación clínica en la vida real de la detección asistida por IA y la diferenciación de lesiones pleomórficas en la...

Área de la Ciencia:

• Gastroenterología
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• La endoscopia de cápsulas (CE) es crucial para la evaluación del intestino delgado, pero se enfrenta a desafíos con tiempos de lectura prolongados y hallazgos perdidos.
• La validación prospectiva de la IA para la EC, en particular para la diferenciación de lesiones, es limitada.

Objetivo del estudio:

• Para validar prospectivamente la lectura de la endoscopia de cápsulas asistida por IA en comparación con los métodos convencionales.
• Evaluar la capacidad de la IA para detectar y diferenciar las lesiones del intestino delgado.

Principales métodos:

• Un estudio multicéntrico que incluye 330 vídeos CE de diversos dispositivos, centros y países.
• Comparación de la lectura asistida por IA (modelo de aprendizaje profundo) con la lectura convencional de EC por expertos independientes.
• Las métricas de evaluación incluyeron precisión, sensibilidad, especificidad, PPV, NPV y tasa de detección de lesiones del intestino delgado (SBLDR).

Principales resultados:

• La lectura asistida por IA detectó el 96,1% de las lesiones (SBLDR), superando significativamente la lectura convencional (76,3%).
• La IA demostró una mayor sensibilidad (97,5% frente a 78,2%) y logró la identificación de lesiones a nivel gastroenterológico.
• El tiempo promedio de lectura para los exámenes asistidos por IA fue de 203 segundos.

Conclusiones:

• La lectura de EC asistida por IA es superior a los métodos convencionales para la detección y caracterización de lesiones en el intestino delgado.
• El estudio aborda la interoperabilidad y la diversidad demográfica, validando la aplicabilidad de la IA en el mundo real.
• La IA ofrece una herramienta poderosa para superar las limitaciones en la interpretación de la endoscopia de cápsula.