Fiabilidad y validez de un sistema asistido por inteligencia artificial para la detección de anomalías en las radiografías de tórax y óseas en un servicio de urgencias hospitalario

Raissa de Fatima Silva Afonso, Pilar Gallardo-Rodriguez, Begoña Espinosa, Alejandro Bautista, Javier Serrano, Mónica Veguillas, Maria Corell, Raúl Garrido Chamorro, Juan Arenas Jiménez, Celia Astor Rodríguez, Álvaro Abellón Fernández, Álvaro Palazón Ruíz de Tremiño, María Javiera Garfias Baladrón, Víctor Marquina Arribas, Pablo Chico Sánchez, Paula Gras Valenti, Miguel Cabrer González, Carlos Martínez Riera, David Moliner Mateu, José María Salinas Serrano, Emilio Vivancos Rubio, Bernardo Valdivieso Martínez, Luis Concepción-Aramendia, José Sanchez-Payá, Pere Llorens

Resumen


Introducción: Evaluar el rendimiento diagnóstico para la detección de anomalías de dos sistemas comerciales de inteligencia artificial (IA), ChestView para radiografías de tórax (RxT) y BoneView para radiografías óseas (RxO), en un servicio de urgencias hospitalario (SUH), y comparar su validez con la de observadores de diferente perfil profesional y experiencia: urgenciólogos, radiólogos en formación y radiólogos expertos.

Método: Estudio de evaluación de pruebas diagnósticas en una selección aleatoria de 346 RxT y 261 RxO solicitadas en urgencias. Las exploraciones fueron analizadas de forma independiente por los sistemas de IA y los diferentes observadores. El diagnóstico de referencia (gold standard) fue establecido mediante consenso por tres radiólogos, recurriendo a otras pruebas de imagen disponibles o información clínica cuando necesario. Se calcularon y compararon la sensibilidad (S), especificidad (E), y los valores predictivos positivo (VPP) y negativo (VPN).).

Resultados: Para RxT, la IA (Chest

Palabras Clave


Radiología, Inteligencia Artificial, urgencias