Estimación de la edad ósea a partir de radiografías de mano-muñeca asistida por atlas utilizando modelos grandes de...

Área de la Ciencia:

• Imágenes Médicas; Inteligencia Artificial en Medicina; Endocrinología Pediátrica

Sus antecedentes:

• La evaluación de la edad ósea es crucial en endocrinología pediátrica y medicina forense.; Los modelos grandes de lenguaje multimodales (LLM) muestran promesa en imágenes médicas, pero requieren evaluación para la determinación de la edad ósea.; El atlas Gilsanz-Ratib (GR) es una referencia estándar para la evaluación de la edad ósea.

Objetivo del estudio:

• Evaluar el rendimiento diagnóstico de cuatro LLM multimodales (ChatGPT-5, Gemini 2.5 Pro, Grok-3, Claude 4 Sonnet) en la determinación de la edad ósea.; Comparar el rendimiento de los LLM con la evaluación de un radiólogo utilizando el atlas GR.; Determinar la utilidad clínica de estos LLM para la evaluación de la edad ósea.

Principales métodos:

• Análisis retrospectivo de 245 radiografías pediátricas de muñeca (edad < 18).; Se utilizaron LLM con indicaciones asistidas por el atlas GR para la estimación de la edad ósea.; Las métricas de rendimiento incluyeron el Error Absoluto Medio (MAE), el Coeficiente de Correlación Intraclase (ICC) y el análisis de Bland-Altman.; Comparación con la evaluación basada en el atlas GR de un radiólogo experimentado.

Principales resultados:

• ChatGPT-5 logró el MAE más bajo (1,46 años) y el ICC más alto (0,849), demostrando un rendimiento superior.; Gemini 2.5 Pro mostró un rendimiento moderado (MAE: 2,24 años).; Grok-3 (MAE: 3,14 años) y Claude 4 Sonnet (MAE: 4,29 años) exhibieron tasas de error demasiado altas para la aplicación clínica.

Conclusiones:

• Existen variaciones significativas en el rendimiento entre los LLM multimodales para la evaluación de la edad ósea.; Solo ChatGPT-5 cumplió los criterios de utilidad clínica, lo que sugiere su potencial como herramienta auxiliar o para apoyo educativo bajo supervisión.; Los LLM multimodales actuales, excluyendo ChatGPT-5, carecen de la fiabilidad para la determinación clínica de la edad ósea.