medigraphic.com
Órgano de Difusión de la Asociación Académica Panamericana de Medicina Familiar A.C.

2025, Número 2

Siguiente >>

Arch Med Fam 2025; 27 (2)


Rol de la inteligencia artificial en la mejora de precisión diagnóstica en radiología: Implicaciones para la medicina familiar

Hernández NJA, Therán LJS, Dulcey SLA, Gómez AJA, Ochoa CV, Hernández NV

Idioma: Español
Referencias bibliográficas: 9
Paginas: 53-54
Archivo PDF: 122.86 Kb.


FRAGMENTO

La literatura médica reciente ha demostrado que la inteligencia artificial (IA) es una herramienta valiosa para mejorar la precisión diagnóstica en radiología. Algunos estudios han evaluado su impacto en diferentes modalidades de imagen y patologías, mostrando resultados prometedores.
En el contexto de detección de fracturas en un estudio reveló que la asistencia de IA aumentó significativamente la sensibilidad diagnóstica en un 10.4% y la especificidad en un 5.0%, sin incrementar el tiempo de lectura.1 El aumento en la sensibilidad significa que la IA permitió detectar más casos verdaderos de fracturas, evitando diagnósticos omitidos que podrían retrasar la atención adecuada del paciente. Por otro lado, la mejora en la especificidad implica una menor cantidad de falsos positivos, lo que reduce la posibilidad de tratamientos innecesarios y procedimientos adicionales. Esta combinación de mayor precisión y menor tasa de errores es crucial en servicios de emergencia y contextos de alta demanda, donde un diagnóstico rápido y preciso es fundamental para tomar decisiones terapéuticas acertadas. Un aspecto relevante del estudio es que la implementación de IA no afectó el tiempo de lectura, lo que garantiza su viabilidad para la práctica clínica sin añadir carga adicional al flujo de trabajo de los especialistas.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Guermazi A, Tannoury C, Kompel AJ, Murakami AM,Ducarouge A, Gillibert A, et al. Improving RadiographicFracture Recognition Performance and Efficiency UsingArtificial Intelligence. Radiology [Internet]. 2022 Mar1 [cited 2024 Oct 29];302(3):627–36. Available from:https://pubmed.ncbi.nlm.nih.gov/34931859/

  2. Bennani S, Regnard NE, Ventre J, Lassalle L, NguyenT, Ducarouge A, et al. Using AI to Improve RadiologistPerformance in Detection of Abnormalities on ChestRadiographs. Radiology [Internet]. 2023 Dec 1 [cited2024 Oct 29];309(3). Available from: https://pubmed.ncbi.nlm.nih.gov/38085079/

  3. Jiang Y, Edwards A V., Newstead GM. Artificial IntelligenceApplied to Breast MRI for Improved Diagnosis.Radiology [Internet]. 2021 [cited 2024 Oct29];298(1):38–46. Available from: https://pubmed.ncbi.nlm.nih.gov/33078996/

  4. Eng DK, Khandwala NB, Long J, Fefferman NR, Lala SV., Strubel NA, et al. Artificial Intelligence AlgorithmImproves Radiologist Performance in Skeletal AgeAssessment: A Prospective Multicenter RandomizedControlled Trial. Radiology [Internet]. 2021 Dec 1 [cited2024 Oct 29];301(3):692–9. Available from: https://pubmed.ncbi.nlm.nih.gov/34581608/

  5. Saha A, Bosma JS, Twilt JJ, van Ginneken B, BjartellA, Padhani AR, et al. Artificial intelligence and radiologistsin prostate cancer detection on MRI (PI-CAI):an international, paired, non-inferiority, confirmatorystudy. Lancet Oncol [Internet]. 2024 Jul 1 [cited 2024Oct 29];25(7):879–87. Available from: https://pubmed.ncbi.nlm.nih.gov/38876123/

  6. Morgan MB, Mates JL. Applications of Artificial Intelligencein Breast Imaging. Radiol Clin North Am[Internet]. 2021 Jan 1 [cited 2024 Oct 29];59(1):139–48. Available from: https://pubmed.ncbi.nlm.nih.gov/33222996/

  7. Fazal MI, Patel ME, Tye J, Gupta Y. The past, presentand future role of artificial intelligence in imaging.Eur J Radiol [Internet]. 2018 Aug 1 [cited 2024 Oct29];105:246–50. Available from: https://pubmed.ncbi.nlm.nih.gov/30017288/

  8. Tam MDBS, Dyer T, Dissez G, Morgan TN, Hughes M,Illes J, et al. Augmenting lung cancer diagnosis onchest radiographs: positioning artificial intelligenceto improve radiologist performance. Clin Radiol [Internet].2021 Aug 1 [cited 2024 Oct 29];76(8):607–14. Available from: https://pubmed.ncbi.nlm.nih.gov/33993997/

  9. Tam MDBS, Dyer T, Dissez G, Morgan TN, Hughes M,Illes J, et al. Augmenting lung cancer diagnosis onchest radiographs: positioning artificial intelligenceto improve radiologist performance. Clin Radiol [Internet].2021 Aug 1 [cited 2024 Oct 29];76(8):607–14. Available from: https://pubmed.ncbi.nlm.nih.gov/33993997/




2020     |     www.medigraphic.com