Comparación del rendimiento diagnóstico del algoritmo TIRADS basado en inteligencia artificial con los sistemas de...

Área de la Ciencia:

• Radiología
• En el campo de la oncología
• Inteligencia artificial

Sus antecedentes:

• Los nódulos tiroideos son comunes y una estratificación precisa del riesgo es crucial para un manejo adecuado.
• Existen varios sistemas de informes y datos de imágenes de tiroides (TIRADS) para estandarizar la evaluación de nódulos.
• El rendimiento diagnóstico de los sistemas más nuevos, como AI-TIRADS, requiere una evaluación exhaustiva.

Objetivo del estudio:

• Para comparar el rendimiento diagnóstico de múltiples clasificaciones de TIRADS, incluida AI-TIRADS, para nódulos tiroideos.
• Evaluar la eficacia de AI-TIRADS para mejorar la especificidad y reducir las biopsias innecesarias.
• Evaluar el impacto de las características sospechosas del ultrasonido en el riesgo de malignidad.

Principales métodos:

• Análisis retrospectivo de 1.322 nódulos tiroideos de 1.139 pacientes con diagnóstico citopatológico.
• Evaluación de los nódulos mediante el uso de ACR-TIRADS, ATA-TIRADS, EU-TIRADS, K-TIRADS y AI-TIRADS por parte de tres radiólogos independientes.
• Evaluación de las métricas de rendimiento diagnóstico, incluida la sensibilidad, la especificidad, el PPV y el NPV, con la prueba McNemar para comparaciones.

Principales resultados:

• AI-TIRADS demostró una especificidad superior (53,6%) en comparación con el ACR-TIRADS (44,6%), el ATA-TIRADS (39,3%), el EU-TIRADS (40,1%) y el K-TIRADS (40,1%) (P < 0,001).
• AI-TIRADS mantuvo una alta sensibilidad sin comprometer la precisión del diagnóstico.
• La presencia de múltiples características sospechosas de ultrasonido aumentaba significativamente el riesgo de malignidad.

Conclusiones:

• AI-TIRADS muestra una promesa significativa para mejorar la estratificación del riesgo de nódulos tiroideos mediante la mejora de la especificidad diagnóstica.
• AI-TIRADS puede conducir a una reducción de las biopsias innecesarias de tiroides y optimizar el manejo del paciente.
• El estudio destaca el potencial de AI-TIRADS para mejorar la eficiencia de la utilización de los recursos sanitarios en la evaluación de nódulos tiroideos.