Un sistema basado en inteligencia artificial se muestra prometedor en la detección de la tuberculosis
Los investigadores afirman que el sistema podría ayudar a la detección en zonas con recursos limitados de radiólogos.
Un sistema de inteligencia artificial (IA) detecta la tuberculosis (TB) en las radiografías de tórax a un nivel comparable al de los radiólogos, según un estudio publicado en 'Radiology', revista de la Sociedad Radiológica de Norteamérica (RSNA). Los investigadores afirman que el sistema podría ayudar a la detección en zonas con recursos limitados de radiólogos.
La tuberculosis es una enfermedad infecciosa de los pulmones que mata a más de un millón de personas cada año en todo el mundo. La pandemia de covid-19 ha exacerbado el problema, con informes recientes que indican que un 21% menos de personas recibieron atención para la TB en 2020 que en 2019. Casi el 90% de las infecciones activas de TB se producen en unos 30 países, muchos de ellos con escasos recursos necesarios para abordar este problema de salud pública.
"Tenemos medicamentos eficaces para tratar la tuberculosis, pero los programas de cribado a gran escala para detectar la tuberculosis no siempre son factibles en los países de bajos ingresos debido al coste y a la disponibilidad de radiólogos expertos", señala el coautor del estudio, Rory Pilgrim, ingeniero, director de producto de Google Health AI en Mountain View, California (Estados Unidos).
Según Pilgrim, el cribado rentable de la tuberculosis mediante el uso de radiografías de tórax y la IA puede mejorar el acceso a la atención sanitaria, especialmente en poblaciones de difícil acceso.
"La IA es la solución a la escasez de expertos -afirma la primera autora, Sahar Kazemzadeh, ingeniera de software de Google Health-. Podemos enseñar a los ordenadores a reconocer la tuberculosis a partir de las radiografías para que en estos entornos de bajos recursos se pueda interpretar la radiografía de un paciente en cuestión de segundos".
Kazemzadeh y sus colegas desarrollaron y evaluaron un sistema de IA que puede evaluar rápida y automáticamente las radiografías de tórax para detectar la tuberculosis. El sistema utiliza el aprendizaje profundo, un tipo de IA que puede aplicarse para enseñar al ordenador a reconocer y predecir condiciones médicas.
Los investigadores desarrollaron el sistema utilizando datos de nueve países. Luego lo probaron con datos de cinco países, cubriendo múltiples países con alta carga de TB, varios entornos clínicos y una amplia gama de razas y etnias. Se utilizaron más de 165.000 imágenes de más de 22.000 pacientes para desarrollar y probar el modelo.
El análisis con 14 radiólogos internacionales mostró que el método de aprendizaje profundo era comparable al de los radiólogos para la determinación de la TB activa en las radiografías de tórax.
"Queríamos ver si este sistema predice la tuberculosis a la par que los radiólogos, y eso es lo que muestra el estudio -explica Pilgrim-. La IA funcionó realmente bien con una variedad de pacientes".
Las tendencias fueron similares en diferentes subgrupos de pacientes, incluido un conjunto de pruebas de mineros de oro en Sudáfrica, un grupo con una alta prevalencia de TB, en comparación con el público en general.
"Lo que es especialmente prometedor en este estudio es que analizamos una serie de conjuntos de datos diferentes que reflejaban la amplitud de la presentación de la tuberculosis, diferentes equipos y diferentes flujos de trabajo clínicos", resalta Kazemzadeh.
"Encontramos que este sistema de aprendizaje profundo se desempeña realmente bien con todos ellos con un solo punto de operación que fue preseleccionado en base a un conjunto de datos de desarrollo, algo que otros sistemas de IA de imágenes médicas han encontrado desafiante", añade.
Si las investigaciones adicionales respaldan los resultados, el sistema de aprendizaje profundo podría utilizarse para examinar automáticamente los resultados de las radiografías de tórax en busca de tuberculosis. Las personas que den positivo recibirían entonces una prueba de esputo o una prueba de amplificación de ácidos nucleicos (NAAT).
Estas pruebas son relativamente caras, pero si la IA pudiera filtrar a los pacientes que necesitan la prueba, los beneficios serían amplios. Las simulaciones en las que se utilizó el sistema de aprendizaje profundo para identificar probables radiografías de tórax positivas a la tuberculosis para la confirmación de la NAAT redujeron el coste entre un 40% y un 80% por paciente positivo a la tuberculosis detectado.
"Al examinar a los pacientes en la comunidad y detectar la tuberculosis antes de que se pongan realmente enfermos, podrían tener mejores resultados y podrían requerir un tratamiento más corto -afirma Pilgrim-. Además, como la tuberculosis es una enfermedad infecciosa, si se puede llegar a la gente pronto habrá menos propagación, lo que agrava los beneficios de este cribado".
Los investigadores están llevando a cabo el trabajo en Zambia en un entorno prospectivo, lo que significa que están recogiendo datos de los pacientes que acuden al cribado, y proporcionando NAAT a cada paciente con el fin de estudiar el sistema. También están buscando la manera de hacer llegar estos modelos a todo el mundo de forma que puedan tener el máximo impacto para los pacientes.
"Esperamos que pueda ser una herramienta utilizada por médicos no expertos y personal sanitario para examinar a las personas en masa y llevarlas a tratamiento cuando sea necesario sin necesidad de recurrir a médicos especialistas, que escasean -comenta Pilgrim-. Creemos que podemos hacerlo con la gente sobre el terreno de una manera económica y de gran volumen".
