Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/69068
Título
Evaluación de un software de apoyo al diagnóstico en la evaluación del nódulo de tiroides
Autor
Director o Tutor
Año del Documento
2024
Titulación
Grado en Medicina
Zusammenfassung
Evaluar la utilidad clínica de un sistema de apoyo a la decisión (DSS) basado en inteligencia artificial (IA) en una cohorte de pacientes atendidos en una consulta de endocrinología general por endocrinólogos no especialistas. Así mismo, analizar el grado de concordancia en las características ecográficas definidas por los observadores, el DSS y su evaluación en una consulta específica de Alta Resolución de Nódulo Tiroideo (UART).
Estudio prospectivo de todos aquellos pacientes a quienes se realizó una ecografía de cribado a criterio del endocrinólogo en una consulta no específica en el Hospital Clínico Universitario de Valladolid (HCUV) durante el año 2022.
Se analizaron datos clínicos, bioquímicos, así como las imágenes ortogonales de los nódulos en formato DICOM, sus características ecográficas y criterio de derivación a la UART. Posteriormente, se analizaron las imágenes obtenidas mediante un sistema de IA DSS, así como los casos derivados a la UART.
Se analizaron un total de 102 pacientes (94,7% mujeres, edad media 59,7±14,1 años, 22.7% antecedentes familiares de bocio).
Los endocrinólogos no especialistas frente a la IA clasificaron los nódulos con un ACR TI-RADS <3 en el 77% frente al 44%, con una puntuación media de 2,4±2.0 puntos frente a un 3,2±1.0 (p<0,05). Las categorías ACR TI-RADS mostraron diferencias en composición, ecogenicidad y focos ecogénicos entre en endocrinólogo no especialista y la UART. Finalmente, los endocrinólogos derivaron a la UART al 30,7% de los pacientes, frente a un 37,3% para la IA (ns). La UART realizó la PAAF en un 63,6% del total de pacientes derivados. Los nódulos derivados presentaron con más frecuencia características de agresividad (tamaño máximo, puntos TI-RADS, composición y ecogenicidad p<0,05), con sobreestimación del riesgo al utilizar la clasificación ATA frente al ACR TI-RADS.
Además, se evaluó el grado de concordancia entre las características ecográficas definidas por los endocrinólogos no especialistas y la UART frente a la IA encontrándose que el acuerdo fue globalmente menor en el endocrinólogo no especialista Kmedia=0.113±0.086 vs Kmedia=0,429±0.314; p<0,05. Por último, al evaluar la correlación entre la puntuación ACR TI-RADS del endocrinólogo general y la UART frente a la IA, se encontró una correlación fuerte positiva mayor para la UART (Endocrino general-IA r=0,337, p<0,001 vs UART-IA r=0,465 y p<0,05).
El programa de IA no redujo el número de derivaciones a la UART y mostró una escasa concordancia con la valoración realizada por los endocrinólogos no especialistas, en un contexto de patología nodular de bajo riesgo. Sin embargo, mostró un mejor rendimiento en aquellos nódulos de riesgo intermedio o alto derivados a la UART.
Materias (normalizadas)
Tiroides - Cáncer
Inteligencia artificial
Materias Unesco
3205.02 Endocrinología
Palabras Clave
Inteligencia artificial
Nódulo Tiroideo
Ecografía de Tiroides
Sistemas de apoyo a la decisión
Idioma
spa
Derechos
openAccess
Aparece en las colecciones
- Trabajos Fin de Grado UVa [28786]
Dateien zu dieser Ressource
![Attribution-NonCommercial-NoDerivatives 4.0 Internacional](/themes/Mirage2//images/creativecommons/cc-by-nc-nd.png)