metricas
covid
Buscar en
Radiología
Toda la web
Inicio Radiología Usar una herramienta comercial de inteligencia artificial no entrenada para COVI...
Información de la revista
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Visitas
533
Original
Disponible online el 5 de abril de 2024
Usar una herramienta comercial de inteligencia artificial no entrenada para COVID-19 mejora ligeramente la interpretación de las radiografías con neumonía COVID-19, especialmente entre lectores inexpertos
A commercial AI tool untrained for COVID-19 demonstrates slight improvement in the interpretation of COVID-19 pneumonia x-rays, especially among inexperienced readers
Visitas
533
M. Pérez Laencinaa, J.M. Plasencia Martínezb,
Autor para correspondencia
plasen79@gmail.com

Autor para correspondencia.
, M. Sánchez Canalesb, C. Jiménez Pulidob, R. Rodríguez Mondéjarb, L. Martínez Encarnaciónb, C. García Hidalgoa, D. Galdo Galiána, P. Hernández Madrida, L. Chico Caballeroa, E. Guillén Garcíaa, M.N. Plasencia Martínezc, S. Martínez Romerod, J. García Molinae, J.M. García Santosb
a Facultad de Medicina, Universidad de Murcia, Murcia, España
b Servicio de Radiodiagnóstico, Hospital Universitario Morales Meseguer, Murcia, España
c Medicina de Familia, Consultorio El Albujón, Cartagena; Gerencia Área II de Salud, Cartagena, Murcia, España
d Medicina de Familia, Centro de Salud Cieza Oeste, Hospital Vega Lorenzo Guirao, Cieza, Murcia, España
e Medicina de Familia, Centro de Salud La Flota, Vistalegre; Gerencia Área VI de Salud, Murcia, España
Este artículo ha recibido
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Figuras (8)
Mostrar másMostrar menos
Tablas (5)
Tabla 1. Definición de variables, dicotomización y evaluación donde se reclutaron las variables
Tabla 2. Concordancias intraobservador
Tabla 3. Rendimiento diagnóstico de cada lector en su primera evaluación, segunda evaluación y evaluación conjunta con inteligencia artificial
Tabla 4. Cambios en la afectación de la zona pulmonar tras la interpretación de la imagen de IA, y efecto en la concordancia con el estándar de referencia. Se sumaron todas las zonas pulmonares. Los lectores se agruparon como estudiantes frente a residentes más radiólogos. Los datos se muestran en frecuencias absolutas y relativas
Tabla 5. Frecuencia en porcentajes de la opinión sobre «lo que la inteligencia artificial me ha aportado en general» en la interpretación de la radiografía de tórax de pacientes con sospecha de neumonía COVID-19
Mostrar másMostrar menos
Material adicional (1)
Resumen
Introducción

Nuestos objetivo es evaluar la utilidad de una herramienta de inteligencia artificial (IA) para los lectores de radiografías de tórax con distintos niveles de experiencia para diagnosticar la neumonía COVID-19 cuando la herramienta ha sido entrenada en patología diferente a neumonía COVID-19.

Métodos

Se recogieron datos de los pacientes que se habían sometido previamente a una radiografía de tórax y a una tomosíntesis digital por sospecha de neumonía COVID-19. El estándar de referencia consistió en las lecturas de dos radiólogos expertos que evaluaron la presencia y la distribución de la neumonía COVID-19 en las imágenes. Seis estudiantes de medicina, dos residentes de radiología y otros dos radiólogos torácicos expertos participaron como lectores adicionales. Se realizaron dos lecturas radiográficas sin emplear la herramienta, y una tercera con el apoyo de la herramienta de IA Thoracic Care Suite. Se evaluaron la distribución y la probabilidad de la neumonía COVID-19 junto con la contribución de la IA. Se analizaron la concordancia y el rendimiento diagnóstico.

Resultados

La muestra estaba formada por 113 casos, de los cuales 56 presentaban opacidades pulmonares; el 52,2% eran mujeres y la edad media era de 50,70±14,9 años. La concordancia con el estándar de referencia difirió entre estudiantes, residentes y radiólogos. Hubo una mejora no significativa para cuatro de los seis estudiantes cuando se utilizó la IA. El uso de la IA por parte de los estudiantes no mejoró el rendimiento diagnóstico de la neumonía COVID-19, pero sí redujo la diferencia en el rendimiento diagnóstico con los radiólogos más expertos. Además, influyó más en la interpretación de la neumonía leve que en la de la grave y de los hallazgos radiográficos normales. La IA resolvió más dudas de las que generó, especialmente entre los estudiantes (31,30 frente al 8,32%), seguidos de los residentes (14,45 frente al 5,7%) y los radiólogos (10,05% frente al 6,15%).

Conclusión

Tanto para los radiólogos expertos como para los menos experimentados, esta herramienta comercial de IA no ha mostrado ningún impacto en las lecturas de radiografías de tórax de pacientes con sospecha de neumonía COVID-19. Sin embargo, ayudó a la evaluación de los lectores inexpertos y en los casos de neumonía leve.

Palabras clave:
COVID-19
Inteligencia artificial
Diagnóstico
Radiografía
Estudiantes de medicina
Abstract
Introduction

Our objective is to evaluate how useful an artificial intelligence (AI) tool is to chest radiograph readers with various levels of expertise for the diagnosis of COVID-19 pneumonia when the tool has been trained on a non-COVID-19 pneumonia pathology.

Methods

Data was collected for patients who had previously undergone a chest radiograph and digital tomosynthesis due to suspected COVID-19 pneumonia. The gold standard consisted of the readings of two expert radiologists who assessed the presence and distribution of COVID-19 pneumonia on the images. Six medical students, two radiology trainees, and two other expert thoracic radiologists participated as additional readers. Two radiograph readings and a third supported by the AI Thoracic Care Suite tool were performed. COVID-19 pneumonia distribution and probability were assessed along with the contribution made by AI. Agreement and diagnostic performance were analysed.

Results

The sample consisted of 113 cases, of which 56 displayed lung opacities, 52.2% were female, and the mean age was 50.70±14.9. Agreement with the gold standard differed between students, trainees, and radiologists. There was a non-significant improvement for four of the six students when AI was used. The use of AI by students did not improve the COVID-19 pneumonia diagnostic performance but it did reduce the difference in diagnostic performance with the more expert radiologists. Furthermore, it had more influence on the interpretation of mild pneumonia than severe pneumonia and normal radiograph findings. AI resolved more doubts than it generated, especially among students (31.30 vs 8.32%), followed by trainees (14.45 vs 5.7%) and radiologists (10.05% vs 6.15%).

Conclusion

For expert and lesser experienced radiologists, this commercial AI tool has shown no impact on chest radiograph readings of patients with suspected COVID-19 pneumonia. However, it aided the assessment of inexperienced readers and in cases of mild pneumonia.

Keywords:
COVID-19
Artificial intelligence
Diagnosis
Radiograph
Medical Students

Artículo

Opciones para acceder a los textos completos de la publicación Radiología
Suscriptor
Suscriptor de la revista

Si ya tiene sus datos de acceso, clique aquí.

Si olvidó su clave de acceso puede recuperarla clicando aquí y seleccionando la opción "He olvidado mi contraseña".
Suscribirse
Suscribirse a:

Radiología

Comprar
Comprar acceso al artículo

Comprando el artículo el PDF del mismo podrá ser descargado

Precio 19,34 €

Comprar ahora
Contactar
Teléfono para suscripciones e incidencias
De lunes a viernes de 9h a 18h (GMT+1) excepto los meses de julio y agosto que será de 9 a 15h
Llamadas desde España
932 415 960
Llamadas desde fuera de España
+34 932 415 960
E-mail
Opciones de artículo
es en pt

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos