El rendimiento diagnóstico de la inteligencia artificial basada en TC para la recurrencia temprana del...

Área de la Ciencia:

• Análisis de imágenes médicas
• Inteligencia Artificial en Oncología
• Evaluación del rendimiento diagnóstico

Sus antecedentes:

• Los modelos de IA muestran una promesa para la predicción temprana de la recurrencia del colangiocarcinoma (CCA) utilizando exploraciones CT.
• La aplicación clínica de estos modelos de IA se ve obstaculizada por problemas como la reproducibilidad, la generalización y el sesgo.
• Existen preocupaciones con respecto a la aplicabilidad práctica y el rendimiento de la IA en diversos conjuntos de datos y poblaciones.

Objetivo del estudio:

• Evaluar sistemáticamente el rendimiento diagnóstico de los modelos de IA utilizando imágenes de TC para la predicción temprana de la recurrencia de ACV.
• Evaluar la sensibilidad, la especificidad, el índice de probabilidades de diagnóstico (DOR) y el AUC en las cohortes de validación interna y externa.

Principales métodos:

• Búsqueda sistemática de la literatura en PubMed, Embase y Web of Science hasta mayo de 2025.
• Los estudios incluidos se centraron en la IA aplicada a la TC para predecir la recurrencia de CCA dentro de 1 año.
• Modelo de efectos aleatorios bivariados utilizado para agrupar las métricas de rendimiento; la heterogeneidad se evaluó utilizando la estadística I2.

Principales resultados:

• Se analizaron nueve estudios con 1537 pacientes.
• La validación interna mostró un alto rendimiento combinado: sensibilidad 0,87, especificidad 0,85, AUC 0,93.
• La validación externa demostró un rendimiento moderado: sensibilidad 0,87, especificidad 0,82, AUC 0,85; el AUC fue significativamente menor que la validación interna (P < 0,001).

Conclusiones:

• Los modelos de IA basados en CT muestran un alto rendimiento predictivo para la recurrencia temprana de CCA en la validación interna.
• El rendimiento es moderado en la validación externa, lo que indica desafíos con la generalización.
• La alta heterogeneidad requiere estudios prospectivos adicionales y métodos estandarizados para confirmar la utilidad clínica.