Thesis
Uso de la inteligencia artificial en la detección de patología torácica mediante radiografía
Autor
Aucancela Pincay, Ángel David
Institución
Resumen
Los algoritmos de inteligencia artificial han tenido un gran avance en su capacidad de reconocimiento de imágenes, pudiendo identificar patrones complejos y proporcionando una evaluación cuantitativa en radiografías de tórax. Objetivo: Analizar el uso de la inteligencia artificial en la detección de patología torácica mediante radiografía en el Hospital General Guasmo Sur. Materiales y Método: Diseño no experimental, corte transversal tipo descriptivo analítico. Para ello se utilizó el software desarrollado por la empresa Lunit de EE. UU., Lunit Insight CRX basado en redes neuronales convolucionales multicapa que puede detectar 10 patologías torácicas con una precisión del 97 al 99%. Resultados: Se analizaron las radiografías de 162 pacientes provenientes de la consulta externa del Hospital General Guasmo Sur durante el periodo enero a septiembre del 2021. El software utilizado pudo identificar todas la patologías de tórax con la misma precisión que un radiólogo en todos los casos, pero fue más precisa en localizar consolidaciones, atelectasia y nódulos con una frecuencia del 24,7%, 4,32% y 2,47% respectivamente, mayor que un radiólogo, al comparar los diagnósticos dados por la IA con los dados por radiología se obtuvo una relación estadísticamente significativa por la prueba de chi cuadrado de p= 0,000 con una confiabilidad del 95% y una certeza en los diagnósticos del 97 al 100%. Conclusión: Los sistemas de IA pueden ser una herramienta útil y confiable para agilizar los diagnósticos de patología torácica por Rx de tórax a la vez que facilita el trabajo de los radiólogos. Artificial intelligence algorithms have made great strides in their image recognition capabilities, being able to identify complex patterns and providing a quantitative assessment on chest radiographs. Objective: To analyze the use of artificial intelligence in the detection of thoracic pathology by radiography at the Guasmo Sur General Hospital. Materials and Method: Non-experimental design, cross-sectional analytical descriptive type. For this, the software developed by the US company Lunit, Lunit Insight CRX, based on multilayer convolutional neural networks that can detect ten thoracic pathologies with an accuracy of 97 to 99%, was used. Results: The radiographs of 162 patients from the outpatient clinic of the Guasmo Sur General Hospital were analyzed during the period January to September 2021. The software used was able to identify all chest pathologies with the same precision as a radiologist in all cases, but it was more precise in locating consolidations, atelectasis and nodules with a frequency of 24.7%, 4.32% and 2.47% respectively, higher than a radiologist, when comparing the diagnoses given by AI with those given by radiology, it was found obtained a statistically significant relationship by the chi square test of p= 0.000 with a reliability of 95% and a certainty in the diagnoses of 97 to 100%. Conclusion: AI systems can be a useful and reliable tool to speed up diagnoses of thoracic pathology by chest X-ray while facilitating the work of radiologists