Artificial Intelligence for Pediatric Vesicoureteral Reflux Assessment on Voiding Cystourethrography: A Scoping Evidence Map of Diagnostic Performance and Clinician-Assisted Interpretation

Resumen Técnico: Inteligencia Artificial para la Evaluación del Reflujo Vesicoureteral Pediátrico en Cistouretrocistografía Miccional

Planteamiento del Problema
El reflujo vesicoureteral (RVU) es una condición urológica pediátrica significativa en la que el flujo de orina retrógrado desde la vejiga hacia el uréter y el sistema colector renal requiere un diagnóstico y una gradación precisos. El método diagnóstico estándar, la cistouretrocistografía miccional (CUM), se basa en el Sistema Internacional de Gradación de Reflujo (Grados I–V). Sin embargo, la gradación visual es inherentemente subjetiva, particularmente en el límite entre el Grado III y el IV. Esta variabilidad influye en decisiones clínicas críticas relacionadas con la profilaxis antimicrobiana, la intervención quirúrgica (por ejemplo, inyección endoscópica o reimplantación ureteral) y la evaluación del riesgo renal a largo plazo. Si bien la Inteligencia Artificial (IA) y el aprendizaje profundo se han aplicado para automatizar o asistir en la interpretación de la CUM, la literatura se caracteriza por la heterogeneidad en las tareas objetivo, las entradas de imagen, las arquitecturas y las estrategias de validación. En consecuencia, no está claro si los modelos de IA actuales ofrecen una superioridad autónoma sobre los radiólogos o si sirven principalmente como herramientas para mejorar la consistencia de la gradación y reducir la variabilidad interobservador.

Metodología
Este estudio emplea un diseño de mapa de evidencia de alcance (scoping evidence map) en lugar de un metaanálisis diagnóstico formal, adhiriéndose a la Extensión PRISMA para Revisiones de Alcance (PRISMA-ScR). La síntesis se llevó a cabo mediante un flujo de trabajo asistido por computadora basado en dos conjuntos de datos exportados generados a través de la herramienta Elicit:

1. Un conjunto de datos de cribado que contiene 500 registros.
2. Un conjunto de datos de extracción con datos detallados de 13 estudios incluidos publicados entre 2019 y 2025.

Criterios de Inclusión:

• Pacientes pediátricos o datos de imagen pediátrica.
• Evaluación de IA, aprendizaje automático, aprendizaje profundo o enfoques de diagnóstico asistido por computadora.
• Enfoque en la detección de RVU, gradación, clasificación de grado bajo/alto, interpretación asistida por IA o predicción clínicamente relacionada con el RVU utilizando CUM o datos relacionados.
• Reporte de desempeño diagnóstico, confiabilidad, concordancia o métricas de comparación con clínicos.

Criterios de Exclusión:

• Estudios no pediátricos, datos no humanos, editoriales, reportes de casos aislados o reportes técnicos que carezcan de resultados clínicamente interpretables.

Estrategia de Clasificación:
Para abordar la heterogeneidad metodológica, los estudios se categorizaron en cuatro grupos:

1. Gradación de RVU directa basada en CUM: Modelos que intentan asignar grados estándar.
2. Clasificación de grado bajo/alto: Modelos binarios o de severidad estratificada.
3. Interpretación clínica asistida por IA: Estudios que evalúan el impacto de la IA en el desempeño del lector humano.
4. Predicción clínica indirecta: Modelos que predicen resultados (por ejemplo, infección urinaria recurrente) en lugar de gradar el reflujo directamente.

Debido a la falta de cribado duplicado independiente y de verificación de texto completo en las exportaciones de origen, la síntesis se enmarca explícitamente como un mapa de evidencia, priorizando la síntesis narrativa y la tabulación sobre el análisis estadístico agrupado.

Contribuciones Clave y Resultados
La revisión identificó 13 estudios, revelando un panorama de desempeño de IA prometedor pero heterogéneo:

• Desempeño Diagnóstico:

  • La evidencia con validación externa más sólida proviene de Li et al. (2024), cuyo modelo Deep-VCUG logró valores de Área Bajo la Curva (AUC) externos de 0.944 para reflujo unilateral y 0.924 para reflujo bilateral.
  • Khondker et al. (2022) reportaron un AUC de 0.84 y demostraron una mejora de 3.6 veces en la confiabilidad de la gradación en comparación con la evaluación tradicional.
  • Wu et al. (2025) mostraron mejoras sustanciales en el desempeño de los clínicos cuando contaban con el apoyo de la IA, con AUCs de clínicos que aumentaron de ~0.63–0.73 a ~0.95–0.96 para el reflujo específico de un lado.
  • Varios estudios más pequeños reportaron métricas casi perfectas (por ejemplo, precisión cercana al 100%, AUC cercano a 1.0), pero la revisión advierte sobre estos hallazgos debido a los riesgos de sobreajuste (overfitting), tamaños de muestra pequeños y validación externa limitada.

• Comparación y Asistencia Clínica:

  • Las comparaciones directas entre la IA y los radiólogos son limitadas. La mayoría de los estudios utilizaron etiquetas de radiólogos como estándares de referencia sin cuantificar independientemente el desempeño basal del radiólogo.
  • Sin embargo, los estudios centrados en la interpretación asistida por IA indican que la IA puede reducir significativamente la variabilidad interobservador y mejorar el desempeño tanto de clínicos novatos como experimentados, particularmente en el reconocimiento de RVU de alto grado.

• Calidad de la Evidencia y Brechas:

  • Directo vs. Indirecto: La revisión distingue entre la gradación directa (más relevante clínicamente) y los modelos de predicción indirecta (por ejemplo, predecir el riesgo de ITU recurrente), señalando que estos últimos no demuestran la capacidad de la IA para gradar la severidad del reflujo.
  • Impacto en el Manejo: Ningún estudio incluido demostró definitivamente que la IA cambie las decisiones de manejo clínico (por ejemplo, alterando la profilaxis antibiótica o los umbrales quirúrgicos) o mejore los resultados de los pacientes.
  • Limitaciones: La base de evidencia sufre de una falta de reporte estandarizado (sensibilidad, calibración, análisis de curva de decisión), validación externa limitada en diversos conjuntos de datos y una escasez de estudios prospectivos de lectores ciegos que comparen los brazos de solo IA, solo clínico y asistido por IA.

Significancia y Reivindicaciones
El artículo concluye que, si bien los algoritmos de IA muestran un desempeño diagnóstico prometedor para la evaluación del RVU pediátrico en CUM, la evidencia actual no respalda el reemplazo autónomo de la interpretación del radiólogo.

La principal significancia de los hallazgos radica en el potencial de la IA para funcionar como una herramienta de apoyo a la decisión en lugar de un diagnosticador independiente. Específicamente, la IA puede:

1. Mejorar la consistencia de la gradación, particularmente alrededor del límite crítico de Grado III–IV.
2. Reducir la variabilidad interobservador.
3. Apoyar a lectores con menos experiencia y estandarizar el reconocimiento de RVU de alto grado.

Los autores enfatizan que, para la implementación clínica, los sistemas futuros deben someterse a estudios prospectivos, multicéntricos y de lectores ciegos que evalúen el impacto de la IA en las decisiones de manejo y los resultados de los pacientes, adhiriéndose a estándares de reporte como CLAIM, TRIPOD+AI y STARD-AI. Hasta que se establezca tal evidencia, la IA debe verse como una herramienta para asistir, no para reemplazar, la interpretación del clínico experto.