Estudio original multicéntrico (5 hospitales) en el que se evalúa el rendimiento de un modelo de aprendizaje profundo aplicado a la TC craneal simple para segmentar y estimar el ASPECTS en el infarto agudo cerebral. Emplean las secuencias potenciadas en difusión de RM, realizada con menos de 24 horas de diferencia con la TC, y el consenso entre tres neurorradiólogos expertos en la evaluación del ASPECTS como prueba oro. Desarrollan el modelo y lo validan interna y externamente. En el grupo de validación externa demuestran que cuando la información que arroja la herramienta de IA es interpretada por 4 radiólogos de urgencias con más de 10 años de experiencia, mejora el rendimiento, aumentando la sensibilidad y especificidad, aunque de forma significativa solo para esta última, se reduce significativamente el tiempo de interpretación en comparación con la lectura del humano, y mejora el acuerdo entre observadores (aumenta el coeficiente de correlación intraclase en 0.2 puntos o más). Se propone como método de primera lectura de la TC.

Como limitaciones, solo es aplicable a infartos en el territorio de la arteria cerebral media. Las cifras de sensibilidad que alcanza el lector humano con la ayuda de la herramienta desarrollada son modestas (0.333 -IC 95% 0.248, 0.419-). Reconocen que las cifras de sensibilidad y especificidad no superan a las de otros estudios, lo que justifican por ser ésta una población más joven, con menor gravedad de los infartos (mayor ASPECTS) y menor NIHSS, por incluir diferentes equipamientos de TC y ser interpretado por radiólogos de urgencias, no neurorradiólogos.

Como fortaleza, a pesar de los datos modestos, se trata de un trabajo que estudia la aplicación práctica de una herramienta de IA en un escenario real, con radiólogos de urgencias, con potencial utilidad, en mi opinión. Lectura aconsejable.