Uso de la inteligencia artificial como modelo de predicción de riesgos en pacientes con hallazgos equívocos en...

Área de la Ciencia:

• Radiología
• Imagenología médica
• Inteligencia artificial

Sus antecedentes:

• Las lesiones PI-RADS 3 en la resonancia magnética multiparamétrica (mpMRI) presentan un desafío diagnóstico, con una baja tasa de detección de cáncer de próstata clínicamente significativo (csPCa).
• Esta incertidumbre diagnóstica conduce tanto a biopsias innecesarias como a diagnósticos omitidos de csPCa.
• La inteligencia artificial (IA) ofrece una solución potencial para la estratificación objetiva y reproducible del riesgo de estos hallazgos indeterminados.

Objetivo del estudio:

• Revisar la evidencia actual sobre aplicaciones de IA para la estratificación de riesgos en lesiones PI-RADS 3.
• Aclarar el papel de las iniciativas multicéntricas como el estudio PI-CAI en la evaluación comparativa de la IA frente a los radiólogos expertos.

Principales métodos:

• Se realizó una revisión narrativa de las bases de datos PubMed y Embase.
• Se incluyeron estudios que evaluaron la IA para la predicción de csPCa en lesiones PI-RADS 3 utilizando biopsia o seguimiento como estándares de referencia.
• Se puso énfasis en los modelos de IA validados externamente.

Principales resultados:

• Los modelos de IA de radiómica y aprendizaje profundo demuestran la capacidad de distinguir el csPCa del tejido benigno en lesiones PI-RADS 3.
• La IA puede reducir potencialmente las tasas de biopsia benigna en un 30-40% y mejorar la detección de csPCa.
• El estudio PI-CAI indica que los sistemas de IA pueden igualar o superar a los radiólogos expertos en la detección de csPCa en diversos entornos.

Conclusiones:

• La IA tiene un potencial significativo para mejorar el manejo de las lesiones PI-RADS 3 al reducir las biopsias innecesarias y mejorar la detección de csPCa.
• Se requiere una validación prospectiva multicéntrica adicional y la integración en los flujos de trabajo clínicos para la adopción rutinaria.
• Los protocolos de imagen armonizados y el apoyo a la toma de decisiones claro son cruciales para una implementación exitosa de la IA.