Investigadores estadounidenses informaron que una aplicación para teléfonos inteligentes que utiliza inteligencia artificial (IA) para ayudar a diagnosticar con precisión la otitis media aguda podría reducir el uso innecesario de antibióticos en niños pequeños.
El equipo desarrolló dos modelos de IA para analizar unos segundos de vídeo tomados desde un otoscopio conectado a la cámara de un teléfono para detectar otitis media aguda mediante la evaluación de características del tímpano, incluida su forma, posición, color y translucidez, informaron en JAMA Pediatrics.
Estos modelos se desarrollaron utilizando 900 vídeos de tímpanos de niños menores de 3 años que habían visitado a su pediatra entre 2018 y 2023, y luego el equipo los probó en 230 vídeos diferentes. Ambos modelos fueron muy precisos, ya que la herramienta de apoyo a la decisión final mostró una sensibilidad del 93,8% y una especificidad del 93,5%.
De las características investigadas, el abultamiento del tímpano fue el que más se alineó con el diagnóstico previsto y estuvo presente en todos los casos de otitis media aguda en los vídeos de prueba. Los hallazgos se comparan con estudios previos de médicos que informaron una precisión diagnóstica de la otitis media aguda que oscila entre el 30 % y el 84 % según el tipo de entorno de atención médica, el nivel de capacitación y la edad de los niños examinados.
En la práctica, los vídeos duran entre dos y cinco segundos y pueden guardarse en los registros médicos electrónicos de los niños. El equipo ahora está utilizando la aplicación en su clínica y como herramienta de capacitación para enseñar por qué se ha realizado o no un diagnóstico, dijeron investigadores de la Universidad de Pittsburgh.
Los bajos niveles de falsos negativos y falsos positivos sugieren que podría usarse razonablemente en entornos de atención primaria o aguda para ayudar a guiar las decisiones de tratamiento, concluyeron.
|
Puntos clave Pregunta ¿Se puede utilizar una herramienta de apoyo a las decisiones de inteligencia artificial en un entorno de atención primaria para mejorar la precisión en el diagnóstico de otitis media aguda en niños pequeños? Hallazgos En este estudio de diagnóstico que utilizó 1.151 vídeos de la membrana timpánica de 635 niños, la herramienta de apoyo a la toma de decisiones tuvo una sensibilidad del 93,8% y una especificidad del 93,5%. Significado Estos hallazgos sugieren que, dada su alta precisión, la herramienta de apoyo a la toma de decisiones podría usarse razonablemente en atención primaria o en entornos de atención aguda para ayudar con las decisiones relacionadas con el tratamiento de la otitis media aguda. |
mportancia
La otitis media aguda (OMA) es una enfermedad frecuentemente diagnosticada en niños, sin embargo, la precisión del diagnóstico ha sido consistentemente baja. Se han desarrollado múltiples redes neuronales para reconocer la presencia de OMA con aplicación clínica limitada.
Objetivo
Desarrollar y validar internamente una herramienta de apoyo a la toma de decisiones de inteligencia artificial para interpretar videos de la membrana timpánica y mejorar la precisión en el diagnóstico de OMA.
Diseño, entorno y participantes
Este estudio de diagnóstico analizó videos otoscópicos de la membrana timpánica capturados con un teléfono inteligente durante visitas clínicas para pacientes ambulatorios en 2 sitios en Pensilvania entre 2018 y 2023. Los participantes elegibles incluyeron niños que acudieron a visitas por enfermedad o visitas de bienestar.
Exposición
Examen otoscópico.
Principales resultados y medidas
Utilizando los vídeos otoscópicos anotados por otoscopistas validados, se entrenó una red neuronal recurrente residual profunda para predecir ambas características de la membrana timpánica y el diagnóstico de OMA versus ninguna OMA. La precisión de esta red se comparó con la de una segunda red entrenada utilizando un enfoque de árbol de decisión. También se entrenó un filtro de calidad de ruido para advertir a los usuarios que el segmento de vídeo adquirido puede no ser adecuado para fines de diagnóstico.
Resultados
Utilizando 1151 vídeos de 635 niños (la mayoría menores de 3 años), la red neuronal recurrente residual profunda tuvo una precisión diagnóstica casi idéntica a la red de árbol de decisión.
El algoritmo finalizado de red neuronal recurrente residual profunda clasificó los vídeos de la membrana timpánica en categorías de OMA versus ninguna OMA con una sensibilidad del 93,8% (IC del 95%, 92,6%-95,0%) y una especificidad del 93,5% (IC del 95%, 92,8%-94,3). %) y el modelo de árbol de decisión tuvo una sensibilidad del 93,7% (IC 95%, 92,4%-94,9%) y una especificidad del 93,3% (92,5%-94,1%).
De las características de la membrana timpánica señaladas, el abultamiento de la TM es el que más se alinea con el diagnóstico previsto; el abultamiento estuvo presente en 230 de 230 casos (100%) en los que se predijo que el diagnóstico era OMA en el conjunto de pruebas.
|
Conclusiones y relevancia Estos hallazgos sugieren que, dada su alta precisión, el algoritmo y la aplicación de grado médico que facilita la adquisición de imágenes y el filtrado de calidad podrían usarse razonablemente en atención primaria o en entornos de atención aguda para ayudar con el diagnóstico automatizado de OMA y las decisiones con respecto al tratamiento. |