El conocimiento de la composición corporal de los pacientes ha comenzado a adquirir una relevancia fundamental en los últimos años, y continúa incrementando su papel a la hora de estimar los riesgos y pronósticos en los pacientes aquejados de diferentes patologías. Cobra por ello especial importancia el objeto del presente artículo: conocer el desempeño de los diferentes modelos de inteligencia artificial (IA) a la hora de segmentar la composición corporal en los estudios de TC, una tarea ardua para el radiólogo pero en la que los modelos predictivos de las IA basados en “deep-learning” debieran obtener buenos resultados. Si bien su lectura puede resultar un poco farragosa para aquellos menos expertos en el tema (con unos apartados de metodología y resultados significativamente más largos que la discusión), es evidente que cada vez más tendremos que familiarizarnos con este tipo de postprocesos de las imágenes, y es una apuesta segura el hecho de que este tipo de opciones diagnósticas cobrarán cada vez un mayor papel en nuestra actividad médica. Sin duda, no será el último trabajo publicado al respecto.

PUNTOS DÉBILES:

• Puede resultar de lectura un tanto complicada al centrarse mucho en las características técnicas de los diferentes modelos de IA, saliéndose un poco de nuestro ámbito de estudio habitual.

PUNTOS FUERTES:

• Introduce al lector en el mundo de los diferentes modelos de IA que se pueden aplicar y muestra las ventajas y desventajas que, a la hora de realizar una segmentación corporal, pueden tener, con resultados realmente llamativos en algún caso. La discusión del artículo, a pesar de su relativa brevedad, expone de una forma clara los hallazgos más llamativos del estudio. Recomiendo especialmente revisar los resultados en las curvas ROC -figuras 5 a 8- por la forma visualmente evidente en que muestran las variaciones entre modelos.

Dr. Macía Suárez

Editor de la sección de musculoesquelético (SERME)