Diagnóstico de cáncer de próstata impulsado por inteligencia artificial: Mejora de la precisión y personalización de...

Área de la Ciencia:

• Urología
• Imagen médica
• Patología computacional

Sus antecedentes:

• El diagnóstico del cáncer de próstata se enfrenta a desafíos con el PSA, la RMm y la histopatología, incluidos los falsos positivos y los riesgos de sobretratamiento.
• Los métodos de diagnóstico actuales presentan variabilidad interobservador, lo que afecta la precisión y el manejo del paciente.
• La inteligencia artificial (IA) ofrece posibles soluciones para mejorar las vías de diagnóstico del cáncer de próstata.

Objetivo del estudio:

• Revisar la evidencia sobre las aplicaciones de la IA en imágenes y patología digital del cáncer de próstata.
• Evaluar el rendimiento de la IA frente a los médicos expertos y su impacto en el flujo de trabajo diagnóstico.
• Identificar las necesidades de investigación futuras para la implementación de la IA en la práctica clínica.

Principales métodos:

• Una revisión narrativa de estudios humanos revisados por pares publicados entre 2015 y febrero de 2025.
• Búsquedas realizadas en las bases de datos PubMed, Web of Science y Google Scholar.
• Análisis del rendimiento de la IA en imágenes por resonancia magnética multiparamétrica (RMm) y patología digital.

Principales resultados:

• Los sistemas de IA demostraron un rendimiento comparable o superior al de los radiólogos expertos en la interpretación de la RMm (AUROC 0.91 frente a 0.86).
• La IA detectó más cánceres clínicamente significativos (GG≥2) con menos falsos positivos y cánceres indolentes (GG1).
• La IA en patología digital logró una alta sensibilidad (97,7%) y especificidad (99,3%), reduciendo la carga de trabajo y el tiempo de elaboración de informes.

Conclusiones:

• La IA muestra un potencial significativo como segundo lector o herramienta de triaje en el diagnóstico del cáncer de próstata.
• El despliegue estandarizado de la IA, el aseguramiento de la calidad y la calibración local son cruciales para la integración clínica.
• Se necesitan más estudios prospectivos multicéntricos y evidencia del mundo real para confirmar los resultados de los pacientes y la rentabilidad.