El modelo OCNet logró un rendimiento superior al de O-RADS US y al del modelo ADNEX para la clasificación de lesiones anexiales, y mejoró el rendimiento diagnóstico de los radiólogos residentes.

PUNTOS DÉBILES:

 Se requiere una validación prospectiva futura en cohortes con prevalencia similar para verificar la generalización y el valor clínico de los modelos de IA.

PUNTOS FUERTES:

Este estudio demuestra que los modelos OCNet propuestos pueden servir como una herramienta de diagnóstico de bajo costo, fácilmente accesible y precisa para lesiones anexiales.

El modelo OCNet integró imágenes CEUS por primera vez y permite distinciones a nivel experto para lesiones anexiales.

Con la ayuda del modelo OCNet, las tasas de falsos positivos se redujeron significativamente sin sacrificar la alta sensibilidad.

Los resultados indican que la fusión del modelo OCNet con el conocimiento de los radiólogos puede mejorar la precisión diagnóstica, lo que en última instancia conduce a mejores resultados para las pacientes con cáncer de ovario. 

Dr.José Angel Jiménez Lasanta

Editor área ultrasonidos