La solución de análisis de inteligencia artificial (IA) de Lunit para radiografías de tórax, Lunit Insight CXR [Imagen cortesía de Lunit], recientemente anunció los resultados de un estudio que demuestra la efectividad de las soluciones de IA en el diagnóstico del cáncer.
El estudio, publicado en la revista Radiology, exploró el impacto de la precisión de las soluciones médicas de IA en la determinación del diagnóstico de los radiólogos. Utilizó la solución de IA Lunit Insight CXR para el análisis de radiografías de tórax y demostró que la IA puede mejorar el rendimiento de los radiólogos.
En el estudio participaron 30 médicos, incluidos 20 radiólogos certificados con cinco a 18 años de experiencia y 10 residentes de radiología con dos a tres años de entrenamiento. Se evaluaron un total de 120 radiografías de tórax, 60 obtenidas de pacientes con cáncer de pulmón y las otras 60 sin anomalías. El estudio fue llevado a cabo por el Hospital de la Universidad Nacional de Seúl desde diciembre de 2015 hasta febrero de 2021.
Durante la primera sesión, los 30 lectores se dividieron en dos grupos y analizaron 120 radiografías de tórax cada uno sin la ayuda de la IA. En la siguiente sesión, cada grupo reinterpretó las imágenes con la ayuda de un modelo de IA de alta precisión o baja precisión.
Más sobre los resultados del estudio:
El modelo de IA de alta precisión utilizado en el estudio utilizó Lunit Insight CXR, mientras que el modelo de baja precisión se entrenó utilizando solo el 10% de los datos disponibles en Lunit Insight CXR. El área bajo la curva de características de funcionamiento del receptor (AUROC, por sus siglas en inglés), una métrica comúnmente utilizada para medir la precisión del diagnóstico, de Lunit Insight CXR fue de 0,88, mientras que el modelo de IA de baja precisión solo alcanzó 0,77.
Según el estudio, el modelo de IA de alta precisión de Lunit mejoró significativamente el rendimiento de los radiólogos. La compañía afirmó que el AUROC pasó de 0,77 a 0,82 cuando se utilizó el modelo de IA de alta precisión.
Los radiólogos del otro grupo no experimentaron ninguna mejora en el rendimiento al utilizar el modelo de IA de baja precisión, ya que el AUROC se mantuvo en 0,75. El grupo que utilizó el modelo de IA de alta precisión fue más susceptible a las sugerencias de la IA. Los radiólogos aceptaron el 67% de las recomendaciones de la IA que contradecían los resultados de la lectura inicial, en comparación con el 59% de aceptación del grupo que utilizó el modelo de IA de baja precisión.
Los hallazgos del estudio resaltaron que factores como la experiencia individual de los radiólogos, la experiencia con IA o las actitudes hacia la IA tuvieron un impacto insignificante en su rendimiento de lectura en la segunda sesión. La precisión del modelo de IA y la precisión diagnóstica inicial de los radiólogos surgieron como el principal determinante que configura la determinación diagnóstica final.
"El estudio respalda que, independientemente de las características individuales de los radiólogos, la utilización de IA de alto rendimiento mejora significativamente la precisión del diagnóstico y fomenta una mayor aceptación de la IA en la práctica médica", dijo el CEO Brandon Suh en un comunicado de prensa. "En Lunit, nos comprometemos a desarrollar soluciones impulsadas por IA que no solo mejoren los resultados de los pacientes, sino que también aumenten la experiencia de los profesionales de la salud. Esta publicación es un testimonio de nuestra dedicación para avanzar en el campo del diagnóstico del cáncer a través de tecnología de vanguardia".
