Validación multicéntrica, multinacional y multivendedor de una aplicación de inteligencia artificial para la...

Área de la Ciencia:

• Radiología
• Inteligencia Artificial
• Imágenes Médicas

Sus antecedentes:

• Estudios previos de IA para la detección de fracturas de columna cervical (CSFx) a menudo carecían de validación de datos diversos.
• Muchos estudios se centraron únicamente en la clasificación general a nivel de caso, no en el análisis detallado de fracturas.

Objetivo del estudio:

• Evaluar una aplicación de IA para la detección de CSFx agudas.
• Evaluar el rendimiento de la IA en la clasificación a nivel de caso, la localización de fracturas y el etiquetado del nivel espinal.
• Validar la IA en datos de TC multicéntricos, multinacionales y multivendedor.

Principales métodos:

• Recopilación retrospectiva de TC sin contraste de empresas de telerradiología de EE. UU. y Francia y un hospital universitario de EE. UU.
• Etiquetado independiente de CSFx agudas por radiólogos para establecer un estándar de referencia.
• Evaluación del rendimiento diagnóstico por caso de la IA, la precisión de la localización (VPP del cuadro delimitador) y el acuerdo de etiquetado del nivel vertebral.

Principales resultados:

• La IA logró un alto rendimiento diagnóstico: 90,3 % de sensibilidad, 91,9 % de especificidad, 91,2 % de precisión y un AUC de 0,91.
• La IA demostró una sólida localización de fracturas con un VPP por cuadro delimitador del 84,4 %.
• El etiquetado del nivel vertebral por la IA mostró un alto acuerdo con el 97,3 %.

Conclusiones:

• La aplicación de IA para la detección de CSFx agudas presenta una alta precisión diagnóstica.
• La IA funciona bien en la localización de fracturas y la identificación precisa del nivel espinal.
• El sólido rendimiento de la IA en diversos conjuntos de datos respalda su utilidad clínica.