¿Puede la inteligencia artificial reemplazar a un médico en la detección del cáncer de pulmón mediante radiografía
La radiografía de tórax sigue siendo una herramienta simple y ampliamente utilizada para detectar enfermedades como el cáncer de pulmón. En Japón, forma parte de los exámenes médicos obligatorios en las empresas. Sin embargo, su interpretación requiere una gran experiencia. Para limitar los errores, generalmente dos médicos analizan cada imagen, lo que aumenta su carga de trabajo.
Un estudio reciente evaluó si los programas de inteligencia artificial podrían asumir el papel del primer lector en este sistema de doble lectura. Los investigadores analizaron más de 320.000 radiografías realizadas entre 2018 y 2020. Entre los casos sospechosos de cáncer de pulmón, se probaron tres modelos de IA. Resultado: estas herramientas detectaron entre el 62% y el 77% de las anomalías, frente al 59% de los médicos humanos. Incluso al centrarse únicamente en los nódulos pulmonares, los más frecuentes, el rendimiento de las IA seguía siendo superior, con tasas de detección que oscilaban entre el 64% y el 76%, mientras que los médicos alcanzaban el 59%.
La inteligencia artificial demostró así una capacidad al menos equivalente a la de los profesionales, e incluso mejor. Sin embargo, generó más falsas alarmas. Mientras que los médicos producían muy pocas, los programas identificaron entre 6 y 15 por cada 100 exámenes, según el modelo utilizado. Estos errores ocurren a menudo cuando estructuras normales, como las costillas o los vasos sanguíneos, se confunden con lesiones.
Estos resultados sugieren que la IA podría reemplazar efectivamente al primer lector en la detección. Esto permitiría reducir la carga de trabajo de los médicos, manteniendo al mismo tiempo la calidad del diagnóstico. Sin embargo, los nódulos más discretos o más pequeños siguen siendo un desafío para estas herramientas. Por lo tanto, se requeriría una mayor vigilancia del segundo lector humano para los casos difíciles.
Este enfoque podría estandarizar las interpretaciones y limitar las variaciones según la experiencia de los profesionales. Serán necesarios estudios complementarios en varios centros médicos para confirmar estos beneficios y evaluar el impacto en la organización de la atención médica. El objetivo es integrar gradualmente estas tecnologías en la práctica habitual, sin sacrificar la precisión de la detección.
Bases documentaires
Rapport de référence
DOI : https://doi.org/10.1007/s11604-026-01973-z
Titre : Can AI substitute the first reader in chest radiograph screening? A retrospective non-inferiority evaluation
Revue : Japanese Journal of Radiology
Éditeur : Springer Science and Business Media LLC
Auteurs : Kotaro Yoshida; Atsushi Takamatsu; Rie Tanaka; Tetsuo Matsunaga; Antoine Choppin; Aya Tonouchi; Satoshi Kobayashi; Takeshi Kobayashi