Hendimiento diagnóstico de TORAXIA (Alumbra.ai™) para la detección de opacidades en vidrio esmerilado en radiografías de tórax de pacientes con sospecha de infección por COVID-19 del Hospital Universitario Fundación Santa Fe de Bogotá

La enfermedad infecciosa COVID-19 causada por el virus SARS-CoV-2 puede presentarse en formas leves, moderadas o graves y tiene síntomas parecidos a los de la gripe. La prueba de referencia actual para el diagnóstico de la COVID-19 es la RT-PCR, pero es cara y requiere infraestructura. Las radiografías de tórax están más disponibles y podrían utilizarse para el cribado, pero la interpretación de las radiografías para diagnosticar COVID-19 es un reto debido a la superposición de hallazgos. Por lo tanto, se propone el uso de algoritmos de inteligencia artificial (IA) como alternativa práctica para identificar la afectación pulmonar por COVID-19 en las radiografías de tórax. El objetivo de este estudio es evaluar el rendimiento diagnóstico del software TORAXIA para identificar opacidades en vidrio deslustrado, un rasgo característico de la COVID-19, en radiografías de tórax de pacientes con sospecha de COVID-19 en un hospital específico. Este texto describe un estudio realizado entre enero de 2020 y marzo de 2022 para evaluar el desempeño de una herramienta de diagnóstico basada en aprendizaje profundo llamada TORAXIA en el diagnóstico de neumonía por COVID-19 en pacientes con síntomas respiratorios. En el estudio se seleccionaron pacientes que acudieron al Servicio de Urgencias de la Fundación Santa Fe de Bogotá y se utilizó un muestreo no probabilístico para alcanzar el tamaño muestral deseado. Para el diagnóstico final se utilizaron dos estándares de oro: la prueba RCP-TR para la detección de COVID-19 y la presencia de neumonía en la tomografía computarizada de tórax. Las radiografías fueron evaluadas de forma independiente por lectores sin la ayuda de TORAXIA. El estudio evaluó el rendimiento del área bajo la curva, utilizando medidas como la sensibilidad, la especificidad, el valor predictivo positivo, el valor predictivo negativo y la precisión diagnóstica. En 249 pacientes que acudieron a un Servicio de Urgencias de Bogotá con síntomas respiratorios y sospecha de COVID-19. La mayoría de estos pacientes dieron positivo para la proteína C reactiva (PCR) y eran varones. Los pacientes con PCR positiva tendían a ser más jóvenes y habían experimentado síntomas durante menos días en comparación con los pacientes con PCR negativa. El estudio también comparó el rendimiento diagnóstico de la herramienta TORAXIA, que analiza las radiografías de tórax, con las tomografías computarizadas. El análisis mostró que la herramienta TORAXIA tenía un valor diagnóstico limitado, con un área bajo la curva (ABC) de 0,52. Cuando se estratificó el intervalo de tiempo entre la radiografía y la TC, la herramienta obtuvo mejores resultados en el intervalo de 6-12 horas. Además, el estudio comparó la herramienta TORAXIA con la PCR como referencia y no encontró diferencias significativas en el rendimiento. También se tuvo en cuenta la experiencia del lector, lo que reveló que la sensibilidad era mayor en los lectores menos experimentados. En general, la precisión diagnóstica de todos los lectores fue de 0,55, sin variaciones significativas en función de la experiencia. TORAXIA (Alumbra.ai TM), una herramienta basada en redes neurales para detectar opacidades en vidrio esmerilado en pacientes con COVID-19, mostró limitado rendimiento. En pacientes con síntomas superiores a 5 días, tuvo una sensibilidad del 67% y especificidad del 37%. El mejor desempeño se observó en un intervalo de 6 a 12 horas entre la radiografía y la tomografía. TORAXIA no superó a los radiólogos institucionales, quienes alcanzaron hasta un 86% de sensibilidad. Estos hallazgos sugieren que TORAXIA podría necesitar mayor desarrollo para ser tan efectiva como la evaluación radiológica en la detección de opacidades en vidrio esmerilado en radiografías de tórax de pacientes con sospecha de COVID-19.

• Autores: Veloza Vega, Maria Jose
• Tipo de recurso: https://purl.org/coar/resource_type/c_7a1f
• Fecha de publicación: 2024
• Institución: Universidad El Bosque
• Repositorio: Repositorio U. El Bosque
• Idioma: spa
• OAI Identifier: oai:repositorio.unbosque.edu.co:20.500.12495/15770
• Acceso en línea: https://hdl.handle.net/20.500.12495/15770
• Palabra clave: Inteligencia artificial; Rayos x; Covid-19; Diagnóstico por imagen; Radiografía torácica; Curva ROC; Artificial intelligence; x-rays; COVID 19; Diagnostic imaging; Chest X-ray; ROC curve; WN 100
• License: Attribution-NonCommercial-ShareAlike 4.0 International