En este trabajo tratan de diferenciar neumonía COVID-19 de otras neumonías intersticiales mediante dos modelos de aprendizaje automático que extraen características de la Tomografía Computarizada (TC).

PUNTOS FUERTES:

• Como fortaleza, se trata de un avance de la investigación en radiómica aplicada a neumonía COVID-19.

PUNTOS DÉBILES:

• Sin embargo, predominan las limitaciones.  El trabajo se publicó en 2021. Dado que la TC actualmente no se recomienda como prueba diagnóstica de COVID-19 ni de neumonía COVID-19, y además se trata de modelos no comercializados, no parece una herramienta con aplicación práctica a gran escala actualmente.
• Emplean una muestra muy pequeña para entrenamiento y prueba que tratan de ampliar artificialmente pasando de 115 casos a 2000 casos. Pero no está claro cómo establecen el resultado positivo o negativo en este caso, ni se ha reproducido el resultado en otra muestra.
• Para entrenar el segundo modelo y probar el primero, incluyen pacientes con características en TC de neumonía COVID-19 como positivos en los que la RT-PCR ha sido negativa, cuya única prueba oro es la valoración por un radiólogo de las características por TC, sin haberse realizado tampoco un estudio de concordancia. Quizá una serología de anticuerpos habría servido mejor. Gran parte del artículo trata de demostrar que son falsos positivos de la RT-PCR, pero sin poder confirmarlo.
• No se dice nada del resto de patologías que pueden haber estado presentes en aquellos pacientes sin COVID-19.
• No discuten qué aporta en la práctica clínica esta herramienta frente a lo que hace ya la RT-PCR y la TC.
• En la discusión afirma haber incluido solo neumonías intersticiales y no “neumonía general”, sin estar clara antes, en métodos, esta distinción ni el modo de exclusión.
• Como limitación final, una prueba RT-PCR positiva no implica afectación pulmonar por COVID-19.

Dra. Juana María Plasencia Martínez

Sección de Radiología de Urgencias - SERAU