Estudio retrospectivo monocéntrico sobre el uso de la inteligencia artificial (IA) en la valoración de radiografías de tórax en proyección posteroanterior y el rendimiento de los clasificadores de aprendizaje profundo. Utiliza herramientas  de  IA como el procesamiento de lenguaje natural (NLP) en la clasificación de los informes radiológicos asociados a los estudios radiológicos evaluados y la generación de "ground truth".

El estudio realiza un interesante análisis de subgrupos que muestra diferencias en la sensibilidad y la especificidad en determinadas situaciones relacionadas con el paciente, el contexto y la patología, lo cual puede ser clínicamente importante.

El artículo sugiere que el análisis de subgrupos es esencial en la validación de los clasificadores para identificar estas limitaciones y contribuye a una comprensión más sólida de la generalización de los modelos en diferentes subgrupos.

PUNTOS DÉBILES:

• Estudio monocéntrico
• Sólo analiza la proyección posteroanterior de las radiografías de tórax, lo que limita su interpretación y correlación con el informe radiológico. Utiliza además un solo informe radiológico como estándar de referencia
• La explicación de la metodología puede resultar compleja para lectores no familiarizados con los conceptos de IA

PUNTOS FUERTES:

• El estudio pone en evidencia que el análisis de subgrupos es importante para analizar el rendimiento de los clasificadores de inteligencia artificial en diferentes grupos de pacientes y, por consiguiente, para garantizar la seguridad de su uso en la práctica clínica

Dr. Mariana Benegas

Editor de la sección de Radiología Cardiotorácica (SEICAT)