Cómo Gestionar el Bienestar en los Equipos de Trabajo?
14/07/2022
NOTA TÉCNICA PAÍS – Herramienta de Referencia para la contratación de Servicios de Salud
22/07/2022
Esta es una síntesis de evidencia científica reciente, que demuestra que la sinergia entre las habilidades clínicas y los desarrollos de la tecnología aportan al mejoramiento de los resultados en salud, en este caso, a la detección oportuna y tratamiento de cáncer gástrico en estadíos tempranos.
A continuación, la síntesis del artículo:
Precisión de la inteligencia artificial en el diagnóstico endoscópico del cáncer gástrico temprano: estudio de análisis combinado
Journal of Medical Internet Research 2022;24(5):e27694</strong>
Tipo de Estudio
Revisión Sistemática y Metanálisis
Importancia
En los últimos años se han aplicado técnicas de inteligencia artificial (IA) basadas en el reconocimiento de imágenes, para el diagnóstico endoscópico del cáncer gástrico. El papel de la IA en el cáncer gástrico tiene más importancia en etapas tempranas que en el cáncer gástrico avanzado, ya que la identificación del cáncer gástrico temprano no es fácil en la práctica clínica. Sin embargo, la investigación del uso de IA para el Diagnóstico endoscópico ha tenido un enfoque limitado en las poblaciones con cáncer gástrico temprano
Objetivo
El propósito de este estudio fue evaluar la precisión diagnóstica de la IA en el diagnóstico de cáncer gástrico temprano, a partir de imágenes endoscópicas.
Fuente/Origen de los Datos
Búsquedas sistemáticas en las bases de datos de PubMed, Embase, Cochrane Library y Web of Science, de estudios que evaluaran la precisión diagnóstica de la IA en el cáncer gástrico temprano a partir de imágenes endoscópicas, desde el inicio de la base de datos hasta junio de 2020. Palabras Clave: "cáncer gástrico", "endoscopia" e "inteligencia artificial" como términos relevantes con los operadores booleanos "O" e "Y".
Proceso de Extracción de Datos
Se realizó la extracción de datos sobre el número de imágenes endoscópicas de lesiones diagnosticadas como cáncer gástrico temprano (positivos verdaderos), el número de imágenes endoscópicas de lesiones benignas mal diagnosticadas como malignas (falsos positivos), el número de imágenes endoscópicas de lesiones malignas mal diagnosticadas como benignas (falsos negativos), y el número de imágenes endoscópicas de lesiones benignas correctamente diagnosticadas como benignas (verdadero negativo). Además datos sobre el país de origen, los métodos de IA y las modalidades de imagen utilizadas.
Criterios de Selección de estudios
Identificación: Bajo la metodología PRISMA, se identificaron 5591 registros de las bases de datos, se descartaron 326 duplicados. Evaluación: en la evaluación, se excluyeron 5132 registros irrelevantes según el título o el abstract. Elegibilidad: Se eligieron 133 estudios para lectura completa de os que se excluyeron 110 (32 no eran sobre diagnóstico endoscópico, 31 no eran sobre cáncer gástrico temprano, 30 no incluían IA, 8 no estaban en inglés, y 9 estaban repetidos). Inclusión: Se incluyeron 23 estudios para el análisis cualitativo, de los que se excluyeron 11 por ausencia de datos para construir la matriz de análisis. Se incluyeron 12 estudios para el metanálisis que comprenden un total de 11.685 casos.
Medidas y Desenlaces
Resultado primario: Precisión de la IA para diagnosticar cáncer gástrico temprano a partir de imágenes endoscópicas (sensibilidad, especificidad y precisión). Resultados secundarios: Análisis de sensibilidad de diferentes métodos de IA, modalidades de imágenes endoscópicas, comparación de la IA y el rendimiento del endoscopista, evaluación de lesiones gástricas más grandes (>20 mm), diferenciación de lesiones anormales y normales.
Resultados
Se analizaron 12 estudios retrospectivos de casos y controles (n = 11.685) en los que modelos de Inteligencia Artificial identificaron cáncer gástrico temprano a partir de imágenes endoscópicas. La sensibilidad y la especificidad agrupadas de la IA para el diagnóstico temprano del cáncer gástrico fueron 0,86 (IC del 95 %: 0,75 a 0,92) y 0,90 (IC del 95 %: 0,84 a 0,93), respectivamente. Respecto a la Precisión, el área bajo la curva fue de 0,94. El análisis de sensibilidad de los estudios que utilizaron máquinas de vectores de soporte e imágenes de banda angosta demostraron resultados más consistentes.
Conclusiones
En cáncer gástrico temprano, este fue el primer estudio tipo revisión sistemática y metanálisis sobre diagnóstico con Inteligencia Artificial aplicada a imágenes endoscópicas. La Inteligencia Artificial puede apoyar el diagnóstico de cáncer gástrico temprano, en la medida que reduce el tiempo de procesamiento de imágenes, y mejora la sensibilidad y la especificidad para el diagnóstico al combinar las habilidades clínicas y tecnológicas. Sin embargo, es necesario estandarizar de las técnicas de imagen y los algoritmos óptimos. Los modelos competitivos de IA para el diagnóstico de cáncer gástrico temprano son dignos de futuras investigaciones
Condiciones Médicas en que esta información es útil:
Cáncer Gástrico en Estadios Tempranos (codigo_cie10: C169 - Tumor Maligno del Estómago, parte no Especificada)
Nota:
Te interesó este contenido?
Déjame tu nombre y correo en el formulario de contacto con algún término relacionado al post que te interesa, y te lo envío en PDF.
Accede a otras publicaciones sobre administración en salud y gestión clínica, aquí.
