Entrenamiento asistido por inteligencia artificial para la interpretación de fracturas de costilla: un estudio...

Área de la Ciencia:

• Imágenes médicas
• Educación radiológica
• Inteligencia artificial en medicina

Sus antecedentes:

• Las radiografías de tórax (CXR) son cruciales en la atención de traumatismos, pero tienen limitaciones en la detección de fracturas de costilla, lo que a menudo conduce a diagnósticos erróneos.
• El papel de la inteligencia artificial (IA) en la mejora de la educación radiológica, particularmente para la interpretación de CXR de traumatismos, no está bien establecido.

Objetivo del estudio:

• Evaluar el impacto del entrenamiento asistido por IA en el rendimiento diagnóstico y la confianza de los estudiantes de medicina en la identificación de fracturas de costilla en CXR de traumatismos.
• Evaluar la retención de habilidades después de la retirada de la asistencia de IA.

Principales métodos:

• Un estudio observacional prospectivo en el que participaron 26 estudiantes de medicina de pregrado.
• Los estudiantes se sometieron a tres sesiones de interpretación: línea de base sin asistencia, interpretación asistida por IA e interpretación posterior a la IA sin asistencia de CXR de traumatismos.
• Se compararon las métricas de rendimiento diagnóstico y los niveles de confianza entre las sesiones.

Principales resultados:

• La asistencia de IA mejoró significativamente la precisión, la sensibilidad, la especificidad, la puntuación F1 y la precisión (todas p < 0.01).
• La interpretación posterior a la IA mostró mejoras sostenidas en la precisión y la precisión en comparación con la línea de base (p = 0.010).
• Los niveles de confianza aumentaron constantemente durante el entrenamiento (p < 0.001), y se observó un posible sesgo de automatización.

Conclusiones:

• El entrenamiento asistido por IA mejora marcadamente el rendimiento diagnóstico temprano y la confianza en la detección de fracturas de costilla en CXR.
• Se produce una retención parcial de habilidades después de la retirada de la IA, lo que indica el potencial de la IA para reforzar la formación en radiología.
• Se necesitan estrategias para mitigar el sesgo de automatización y promover el juicio diagnóstico independiente en los programas de formación integrados en IA.