A continuaciónSiguiente guía
Detección de cavidades por rayos X dentales con IA
IA visual
GUÍA visual de IA
Detección de nódulos pulmonares mediante IA
La detección de nódulos pulmonares por IA utiliza modelos de visión por computadora, en su mayoría redes neuronales profundas, para encontrar, medir y evaluar pequeños puntos en los pulmones en tomografías computarizadas y estimar la probabilidad de que cada punto sea cáncer.
Escuche esta guíaNarrado por IA · ~3 min
En esta pagina4 minutos de lectura
Descripción general
Es importante porque la detección por TC con dosis bajas reduce las muertes por cáncer de pulmón. Pero cada exploración tiene cientos de cortes finos para leer y la mayoría de los nódulos son inofensivos. Las herramientas que encuentran nódulos de manera confiable y ayudan a separar los riesgosos de los inofensivos afectan tanto a los cánceres no detectados como a los procedimientos de seguimiento innecesarios.
Buceo profundo
Un nódulo pulmonar es una mancha redondeada en el pulmón de hasta unos 3 cm de ancho. Cualquier cosa más grande suele denominarse masa. Los nódulos son muy comunes y la mayoría son cicatrices antiguas, infecciones o crecimientos benignos. En la TC se describen como sólidos, parcialmente sólidos o de vidrio esmerilado, y cada tipo conlleva un riesgo diferente. La detección es donde la IA ha llamado más la atención. El ensayo nacional de detección pulmonar de EE. UU., publicado en 2011, encontró que la TC de dosis baja reducía las muertes por cáncer de pulmón en aproximadamente un 20 por ciento en comparación con la radiografía de tórax. El ensayo europeo NELSON confirmó posteriormente un beneficio. En 2021, el Grupo de Trabajo de Servicios Preventivos de EE. UU. recomendó exámenes anuales para adultos de 50 a 80 años con un historial de tabaquismo de al menos 20 paquetes al año que todavía fuman o han dejado de fumar en los últimos 15 años. El sistema Lung-RADS del Colegio Americano de Radiología estandariza cómo se informan y realizan el seguimiento de las exploraciones de detección. Los nódulos encontrados por casualidad en exploraciones realizadas por otros motivos generalmente se tratan según las pautas de la Sociedad Fleischner. La IA realiza tres trabajos distintos. La detección encuentra nódulos candidatos. La medición segmenta cada nódulo para obtener su tamaño y volumen. La caracterización estima el riesgo de cáncer. Un estudio Google de 2019 en Nature Medicine entrenó un modelo de aprendizaje profundo en exploraciones NLST. En pruebas retrospectivas sin una exploración previa para comparar, igualó o superó a los radiólogos en la predicción del cáncer. Sybil, desarrollado en el MIT y el Hospital General de Massachusetts, estima el riesgo de que una persona sufra cáncer de pulmón en los años siguientes a partir de una única TC de dosis baja, incluso cuando no se ve ningún nódulo sospechoso. Los falsos positivos son la compensación central. En el NLST, aproximadamente una cuarta parte de las pruebas fueron positivas y la gran mayoría de ellas no eran cáncer. Un detector más sensible marca más puntos, lo que añade tiempo de lectura, exploraciones de seguimiento, ansiedad y, en ocasiones, procedimientos invasivos. Un error común es creer que la IA diagnostica cáncer de pulmón. Señala y estima el riesgo, y sólo el muestreo de tejido confirma el cáncer.
Implementación en el mundo real
Un programa de detección ejecuta un software de detección en cada TC de dosis baja. Marca un nódulo de 5 mm en el lóbulo superior derecho junto a un vaso sanguíneo, donde es fácil pasarlo por alto, y el radiólogo lo confirma.
El software de medición de volumen compara un nódulo sólido de 7 mm con la exploración del paciente del año anterior y calcula el cambio de volumen. Esto ayuda al radiólogo a asignar una categoría Lung-RADS y un intervalo de seguimiento.
Una clínica de nódulos pulmonares aplica una puntuación de riesgo de malignidad a un nódulo de 12 mm que apareció por casualidad en una tomografía computarizada de emergencia. La puntuación ayuda a decidir entre PET-CT, biopsia o repetición de imágenes.
Un sistema de salud busca tomografías computarizadas de tórax que se solicitaron por otros motivos, como traumatismos o exploraciones cardíacas, y señala nódulos incidentales que nunca recibieron una recomendación de seguimiento.
El futuro de la detección de nódulos pulmonares mediante IA
Los investigadores están probando cómo los modelos de riesgo como Sybil podrían personalizar los intervalos de detección y si la IA puede ayudar a expandir los programas de detección sin aumentar proporcionalmente la carga de trabajo de los radiólogos. Las TC de detección también muestran calcio coronario y enfisema, por lo que las herramientas que informan esos hallazgos pueden agregar valor. Algunos programas están explorando grupos de detección fuera de los criterios basados en el tabaquismo, como las personas con antecedentes familiares. Las preguntas clave abiertas son cómo funcionan estas herramientas de manera prospectiva en diversas poblaciones y escáneres, y si reducen la carga de falsos positivos sin pasar por alto los cánceres. Esa evidencia todavía se está acumulando.
Poniéndolo en práctica
Por qué es importante
- Velocidad y escala. La IA visual puede automatizar tareas de inspección, detección y etiquetado a escala.
- Construir opciones. Los equipos creativos pueden crear prototipos de conceptos más rápido y con menos revisiones manuales.
- Equipo y flujo de trabajo. Las operaciones pueden utilizar señales de imagen y vídeo que antes eran difíciles de procesar.
cuidado con
- Los derechos de imagen y el consentimiento pueden convertirse en riesgos legales si la procedencia no está clara.
- El rendimiento del modelo puede variar según la iluminación, la demografía y los entornos.
- Los falsos positivos pueden pasar desapercibidos a menos que se controlen los umbrales de confianza.
Próximos pasos
- Defina criterios de aceptación para costos de precisión, recuperación y error.
- Pruebe con datos que coincidan con las condiciones reales de producción.
- Agregue revisión humana para predicciones de baja confianza o de alto impacto.
- Realice un seguimiento de la deriva del modelo y vuelva a validarlo después de cambios en la cámara o el conjunto de datos.
Sigue explorando
Boletín gratuito
Recibe el resumen diario de IA
Tres noticias verificadas sobre IA cada mañana de lunes a viernes, explicadas con claridad. Gratis para siempre y sin anuncios.
Un correo cada día laborable. Date de baja con un clic. Nunca vendemos ni compartimos tu dirección.
Ponte a prueba
Take the AI Lung Nodule Detection quiz
Corrección inmediata en cada respuesta y un certificado para compartir, con un ID verificable, cuando apruebas un curso.
Apoya la educación gratuita sobre IA. AI Understanding es una organización sin fines de lucro 501(c)(3): sin anuncios ni muros de pago, nunca. Hacer una donación
Preguntas frecuentes
¿Qué es la detección de nódulos pulmonares por IA?
La detección de nódulos pulmonares por IA utiliza modelos de visión por computadora, en su mayoría redes neuronales profundas, para encontrar, medir y evaluar pequeños puntos en los pulmones en tomografías computarizadas y estimar la probabilidad de que cada punto sea cáncer. Es importante porque la detección por TC con dosis bajas reduce las muertes por cáncer de pulmón. Pero cada exploración tiene cientos de cortes finos para leer y la mayoría de los nódulos son inofensivos. Las herramientas que encuentran nódulos de manera confiable y ayudan a separar los riesgosos de los inofensivos afectan tanto a los cánceres no detectados como a los procedimientos de seguimiento innecesarios.
En el Ensayo Nacional de Detección Pulmonar, ¿con qué alternativa se comparó la TC de dosis baja?
El NLST comparó la TC de dosis baja con la radiografía de tórax y encontró una reducción de aproximadamente el 20 por ciento en las muertes por cáncer de pulmón con la TC.
¿Qué rango de edad estableció la recomendación del USPSTF de 2021 para la detección anual del cáncer de pulmón?
La recomendación de 2021 cubre a adultos de 50 a 80 años con un historial de al menos 20 paquetes-año que fuman ahora o han dejado de fumar en los últimos 15 años.
Un nódulo de 9 mm aparece por casualidad en una tomografía computarizada realizada por dolor abdominal. Según la guía, ¿qué pautas suelen regir su seguimiento?
Lung-RADS cubre los exámenes de detección. Los nódulos encontrados por casualidad en exploraciones realizadas por otros motivos generalmente se tratan según las pautas de la Sociedad Fleischner.
¿Qué diferencia a Sybil, del MIT y del Hospital General de Massachusetts, de un detector de nódulos estándar?
Sybil predice el riesgo en los años siguientes a partir de una exploración, en lugar de limitarse a marcar los nódulos actuales.
¿Por qué los detectores de nódulos suelen evaluarse con curvas FROC?
El análisis FROC captura el equilibrio entre encontrar nódulos y producir marcas falsas en cada exploración.
sigue aprendiendo
Guías relacionadas
Más guías seleccionadas para este tema.