Si bien la PCR con transcripción inversa (RT-PCR) es la prueba más elegida para diagnosticar COVID-19, las imágenes pueden complementar logrando una mayor certeza diagnóstica o incluso ser un sustituto en algunos países donde la PCR no está disponible.
En algunos casos, las anomalías en la radiografía de tórax son visibles en pacientes que inicialmente tuvieron una PCR negativa y varios estudios han demostrado que la tomografía computarizada de tórax tiene una mayor sensibilidad para COVID-19 que la PCR y que podría ser considerada una herramienta primaria para el diagnóstico.
Durante 2020, y en respuesta a la pandemia, los investigadores empezaron a desarrollar rápidamente modelos que utilizan inteligencia artificial (IA), y en particular aprendizaje automático, para ayudar a los médicos en el diagnóstico del COVID-19.
Estos modelos tienen el potencial de aprovechar la gran cantidad de datos recopilados de los pacientes, además de que pueden discernir otro tipos de enfermedades respiratorias como las neumonías bacterianas o virales.
Los algoritmos de inteligencia artificial para COVID-19 se desarrollaron con una amplia gama de aplicaciones, procedimientos de recopilación de datos y métricas de evaluación del rendimiento. Pero, según indica una investigación recientemente publicada por Nature, ninguno está listo actualmente para ser desplegado clínicamente.
Las razones que indican el grupo de investigadores, encabezados por Michael Roberts, PhD, del Departamento de Matemáticas Aplicadas y Física Teórica de la Universidad de Cambridge, incluyen desde grupos de datos demasiado pequeños, hasta la variabilidad de grandes conjuntos de datos de origen internacional y la necesidad de que los médicos y los analistas de datos trabajen en conjunto para garantizar que los algoritmos de IA desarrollados sean clínicamente relevantes y se puedan implementar en la atención clínica de rutina.
El análisis desarrollado por Roberts y sus compañeros revisa toda la literatura sobre métodos de aprendizaje automático aplicados a la Tomografía de tórax y a la Radiografía de tórax para el diagnóstico y pronóstico de COVID-19.
En la revisión se consideraron todos los artículos y preprints publicados durante el período del 1 de enero de 2020 al 3 de octubre de 2020, que describen nuevos modelos de aprendizaje automático para el diagnóstico o pronóstico de COVID-19 a partir de imágenes CXR o CT. En total se identificaron 2212 estudios, de los cuales 415 se incluyeron después del cribado inicial y, después del cribado de calidad, se incluyeron 62 estudios.
Las conclusiones de la revisión indican que ninguno de los modelos identificados tiene un uso clínico potencial debido a fallas metodológicas y / o sesgos subyacentes. Esta es una debilidad importante, dada la urgencia con la que se necesitan modelos COVID-19 validados.
Para abordar esta problemática, los investigadores enumeran una serie de recomendaciones que, de ser seguidas, resolverán la problemática y conducirán al desarrollo de modelos de mayor calidad y manuscritos bien documentados.
Fuentes:
https://www.nature.com/articles/s42256-021-00307-0
