Inteligencia artificial frente a sistemas de puntuación clásicos: un análisis comparativo de la predicción de...

Área de la Ciencia:

• Urología
• Informática médica
• Inteligencia artificial en medicina

Sus antecedentes:

• La nefrolitotomía percutánea (PCNL) es un procedimiento clave en el manejo de los cálculos renales.
• La predicción precisa de las tasas de ausencia de cálculos es crucial para la planificación quirúrgica y el asesoramiento al paciente.
• Existen sistemas de puntuación establecidos, pero su poder predictivo varía.

Objetivo del estudio:

• Comparar el rendimiento predictivo de los sistemas de puntuación de cálculos tradicionales frente a un modelo de lenguaje grande basado en ChatGPT para estimar las tasas de ausencia de cálculos después de la PCNL.
• Evaluar la utilidad clínica de la IA en la predicción de resultados quirúrgicos en urología endoscópica.

Principales métodos:

• Análisis retrospectivo de 340 pacientes de PCNL (2019-2025).
• Complejidad de los cálculos preoperatorios evaluada mediante Guy's Stone Score, nomograma CROES, nefrolitometría S.T.O.N.E. y puntuación de complejidad de cálculos renales de la Universidad Nacional de Seúl (S-ReSC).
• Comparación de las tasas de ausencia de cálculos predichas frente a las reales mediante análisis de correlación y regresión multivariante.

Principales resultados:

• La tasa general de ausencia de cálculos fue del 60,9 %.
• Las puntuaciones Guy's Stone Score, S.T.O.N.E. y S-ReSC fueron predictores significativos del estado de ausencia de cálculos (p < 0,001).
• El modelo basado en ChatGPT demostró un rendimiento predictivo limitado y no mostró diferencias significativas entre los grupos con ausencia de cálculos y con cálculos residuales (p=0,549).

Conclusiones:

• Los sistemas de puntuación convencionales como Guy's Stone Score y S.T.O.N.E. siguen siendo herramientas valiosas para predecir el éxito de la PCNL.
• Los modelos de lenguaje grandes actuales, como ChatGPT, requieren un mayor desarrollo, entrenamiento con datos estructurados y validación externa antes de su integración clínica en urología endoscópica.
• Los modelos de IA necesitan una validación sólida para un soporte fiable en la toma de decisiones quirúrgicas.