Estudio retrospectivo unicéntrico en México con 82 pacientes que enfrenta a un radiólogo con 5 años de experiencia contra el software "mdprostate" para clasificar las lesiones prostáticas según el PI-RADS versión 2.1 en resonancia biparamétrica (secuencia T2 y difusión con mapa ADC).

El planteamiento real del estudio no es tanto medir el rendimiento diagnóstico de nadie, sino poner a prueba la inteligencia artificial frente al radiólogo como referencia, algo distinto a validarla contra la verdad histológica.

Mdprostate mostró sensibilidad del 96.3% y especificidad del 89.1% tomando al radiólogo como referencia, con una concordancia interobservador casi perfecta. Eso sí, la inteligencia artificial tiende a sobreclasificar, asignando más lesiones como más sospechosas que el radiólogo, sobre todo en la categoría más alta.

Se muestran cuatro casos ilustrativos, incluyendo dos discordancias relevantes: dos prostatitis agudas que el software marcó como muy sospechosas, y un caso donde el radiólogo detectó correctamente un adenocarcinoma que el software infravaloró como poco sospechoso.

Como referencia, mdprostate es un software comercial que automatiza la segmentación de próstata, detecta lesiones sospechosas y las clasifica según PI-RADS 2.1, generando informes estructurados integrados en el PACS. Ya tiene varios estudios de validación previos, entre ellos uno con resultados algo más modestos en sensibilidad y especificidad frente a radiólogos expertos, usando hallazgos histopatológicos como referencia estándar.

PUNTOS DÉBILES

Sobre el artículo:

- Ochenta y dos pacientes es una muestra corta para hablar de alto rendimiento diagnóstico, y además no todos tienen confirmación histopatológica. Esto es lo más flojo del estudio: el radiólogo actúa como referencia, no la biopsia, así que en realidad están midiendo si la inteligencia artificial se parece al radiólogo, no si acierta. El caso de la prostatitis con PI-RADS 5 de la máquina es el ejemplo perfecto de esto: sin biopsia sistemática, no sabes si fue un falso positivo real o no.

- Solo evalúa un radiólogo, así que no hay forma de comparar la variabilidad de la inteligencia artificial con la que existiría entre dos radiólogos reales.

- Diseño retrospectivo, unicéntrico, con dos resonancias distintas, lo que introduce variabilidad extra sin controlar.

- Hay que preguntarse si la hipótesis de fondo, si la inteligencia artificial puede sustituir o apoyar la lectura clínica de forma fiable, está realmente bien puesta a prueba aquí. Con esta muestra y sin biopsia sistemática, el estudio no permite responder eso con solidez; da una foto de concordancia, no de validez diagnóstica real.

Sobre la técnica y el contexto clínico

- Para diferenciar prostatitis de tumor en imagen sigue haciendo falta integración clínica humana. La literatura de "pitfalls" de próstata es clara en esto: los procesos inflamatorios e infecciosos no se pueden diferenciar de forma fiable del tumor solo con imagen, y el contexto clínico como fiebre o síntomas es clave para orientar el diagnóstico correcto. Ningún sistema de inteligencia artificial actual integra ese dato clínico, así que este tipo de error va a seguir apareciendo mientras el software lea solo imagen.

PUNTOS FUERTES

Sobre el artículo:

- Buena descripción del protocolo de adquisición, reproducible.

- Los casos con correlación histopatológica dan contexto útil, no se quedan solo en números.

- Sin conflicto de interés ni financiación, lo cual da algo más de credibilidad tratándose de un producto comercial.

Sobre la técnica y el contexto clínico:

- La sensibilidad alta respalda su uso como segunda lectura o apoyo, sobre todo para quien tiene menos experiencia leyendo próstata, en línea con lo que muestran otros estudios más grandes.

- Como herramienta de apoyo en la lectura, sin sustituir al radiólogo, la idea tiene sentido práctico: reduce variabilidad y estandariza el informe.

Dr. Manuel Salomón de la Vega

Representante de Radiología Abdominal (SEDIA)