Inteligencia Artificial para la Detección de Calcificación del Arco Aórtico en Radiografías de Tórax: Una Revisión...

Área de la Ciencia:

• Radiología
• Inteligencia Artificial
• Enfermedad Cardiovascular

Sus antecedentes:

• La calcificación del arco aórtico (CAA) en las radiografías de tórax (CXR) es un predictor significativo de eventos cardiovasculares.
• La CAA se pasa por alto con frecuencia en las evaluaciones radiológicas de rutina.
• La inteligencia artificial (IA) ofrece potencial para la detección automatizada de CAA.

Objetivo del estudio:

• Revisar sistemáticamente la precisión diagnóstica de los modelos de IA para la detección de CAA en radiografías de tórax.
• Evaluar el potencial de implementación clínica de la detección de CAA impulsada por IA.

Principales métodos:

• Revisión sistemática siguiendo las directrices PRISMA 2020.
• Búsqueda en Embase, PubMed, Scopus y Web of Science (enero de 2020 - octubre de 2025).
• Se incluyeron estudios retrospectivos que utilizan redes neuronales convolucionales (CNN) en grandes conjuntos de datos.
• Se evaluó el sesgo con QUADAS-2.

Principales resultados:

• Tres estudios (2022-2024) que involucran aproximadamente 2.7 millones de imágenes fueron analizados.
• Los modelos de IA mostraron una alta discriminación diagnóstica (AUROC 0.81-0.99), con un rendimiento variable en cohortes externas.
• Se observaron compensaciones significativas entre sensibilidad y especificidad.
• La certeza de GRADE fue baja debido a la heterogeneidad y la falta de estándares de imagen transversales.

Conclusiones:

• Los modelos de aprendizaje profundo muestran ser prometedores para la detección confiable de CAA en radiografías de tórax, lo que permite la estratificación del riesgo cardiovascular oportunista.
• La heterogeneidad en las arquitecturas de los modelos de IA y la validación dificulta la comparabilidad generalizada.
• La anotación estandarizada y la validación externa son cruciales para la generalización clínica de las herramientas de IA.