Rendimiento diagnóstico de algoritmos de inteligencia artificial para detección de compromiso pulmonar por COVID-19 basados en radiografía portátil

• Ricardo Luis Cobeñas ^[1] ; María de Vedia ^[1] ; Juan Florez ^[1] ; Daniela Jaramillo ^[1] ; Luciana Ferrari ^[1] ; Ricardo Re ^[1]
  1. [1] Departamento de Diagnóstico por Imágenes, Centro de Educación Medica e Investigaciones Clínicas Norberto Quirno (CEMIC), Buenos Aires, Argentina
• Localización: Medicina clínica, ISSN 0025-7753, Vol. 160, Nº. 2, 2023, págs. 78-81
• Idioma: español
• DOI: 10.1016/j.medcli.2022.04.016
• Títulos paralelos:
  • Diagnostic performance of artificial intelligence algorithms for detection of pulmonary involvement by COVID-19 based on portable radiography
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    Introducción y objetivo Evaluar el rendimiento diagnóstico de diferentes algoritmos de inteligencia artificial (IA) para la identificación de compromiso pulmonar por SARS-CoV-2 basados en radiografía (Rx) de tórax portátil.

    Material y método Estudio observacional prospectivo que incluyó pacientes ingresados por sospecha de infección por COVID-19 en un hospital universitario entre julio y noviembre de 2020. El patrón de referencia de compromiso pulmonar por SARS-CoV-2 comprendió una PCR positiva y síntomas respiratorios bajos.

    Resultados Se incluyeron 493 pacientes, 140 (28%) con PCR positiva y 32 (7%) con neumonía por SARS-CoV-2. El algoritmo AI-B tuvo el mejor rendimiento diagnóstico (áreas bajo la curva ROC AI-B 0,73 vs. AI-A 0,51 vs. AI-C 0,57). Utilizando un umbral de detección superior al 55%. AI-B presentó mayor precisión que el especialista (área bajo la curva de 0,68 [IC 95%: 0,64-0,72] vs. 0,54 [IC 95%: 0,49-0,59]).

    Conclusión Los algoritmos de IA basados en Rx portátiles permiten una precisión diagnóstica comparable a la humana para la detección de compromiso pulmonar por SARS-CoV-2.

  • English

    Introduction and objectives To evaluate the diagnostic performance of different artificial intelligence (AI) algorithms for the identification of pulmonary involvement by SARS-CoV-2 based on portable chest radiography (RX).

    Material and methods Prospective observational study that included patients admitted for suspected COVID-19 infection in a university hospital between July and November 2020. The reference standard of pulmonary involvement by SARS-CoV-2 comprised a positive PCR test and low-tract respiratory symptoms.

    Results 493 patients were included, 140 (28%) with positive PCR and 32 (7%) with SARS-CoV-2 pneumonia. The AI-B algorithm had the best diagnostic performance (areas under the ROC curve AI-B 0.73, vs. AI-A 0.51, vs. AI-C 0.57). Using a detection threshold greater than 55%, AI-B had greater diagnostic performance than the specialist [(area under the curve of 0.68 (95% CI 0.64-0.72), vs. 0.54 (95% CI 0.49-0.59)].

    Conclusion AI algorithms based on portable RX enabled a diagnostic performance comparable to human assessment for the detection of SARS-CoV-2 lung involvement.