Cost-effectiveness of immediate prioritisation of chest X-rays using artificial intelligence in lung cancer in England: the LungIMPACT study
Este análisis de economía de la salud del estudio LungIMPACT concluye que el uso de IA para priorizar las radiografías de tórax para el cáncer de pulmón en Inglaterra no es costo-efectivo en comparación con la interpretación asistida por IA por sí sola o la práctica actual, ya que aumenta los costos sin reducir el tiempo hasta el diagnóstico.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina el cuerpo humano como una ciudad bulliciosa y, dentro de esa ciudad, un alborotador silencioso y sigiloso que intenta establecer su negocio: el cáncer de pulmón. Este alborotador es astuto porque, en los primeros días, no hace mucho ruido. No grita para llamar la atención; simplemente susurra, quizás causando una pequeña tos o un poco de cansancio que la gente suele ignorar. Debido a que es tan silencioso, a menudo se detecta solo después de haber crecido grande y fuerte, lo que lo hace mucho más difícil de derrotar.
Para atrapar a este alborotador a tiempo, los médicos utilizan una "cámara de rayos X" especial llamada radiografía de tórax (CXR). Es como tomar una instantánea rápida del horizonte de la ciudad para ver si se están formando nubes oscuras. Cada año en Inglaterra, los médicos de cabecera (GPs) envían millones de estas instantáneas al departamento de radiología. Pero aquí está el problema: el departamento de radiología es como una sala de correo masiva y desbordada. Miles de fotos llegan cada día, y los médicos que las leen (radiólogos) tienen que clasificar la pila una por una. Si una nube peligrosa se esconde en medio de la pila, podría pasar desapercibida o retrasarse mientras los médicos miran primero las que son inofensivas.
Recientemente, los científicos inventaron un ayudante digital: Inteligencia Artificial (IA). Piensa en esta IA como un asistente robot súper rápido que puede escanear cada foto en una fracción de segundo. Su trabajo es detectar las "nubes oscuras" (manchas sospechosas) y gritar: "¡Oye! ¡Mira esta primero!". Esto se llama "priorización". La gran pregunta que todos querían responder era: si dejamos que este asistente robot grite y mueva las fotos al frente de la fila, ¿ayudará realmente a atrapar al alborotador más rápido sin costarle una fortuna al servicio de salud? Esta es la historia del estudio LungIMPACT, que intentó averiguar si este sombrero seleccionador de alta tecnología valía realmente el precio de etiqueta.
El Gran Experimento de Clasificación
En Inglaterra, se lanzó un experimento masivo llamado estudio LungIMPACT para probar precisamente esta idea. Los investigadores recopilaron datos de casi 87,000 pacientes que se realizaron radiografías de tórax tras visitar a su médico de cabecera. Dividieron a estos pacientes en dos grupos para ver qué sucedía.
En el primer grupo, la IA se encendió para realizar su trabajo de "gritar". Escaneó las radiografías y marcó las que parecían sospechosas, diciéndole a los médicos humanos: "¡Prioricen estas! ¡Léanlas inmediatamente!". En el segundo grupo, también se utilizó la IA para ayudar a leer las imágenes, pero se le ordenó permanecer callada. No gritaba ni movía las fotos al frente; los médicos simplemente leían las radiografías en el orden en que llegaban, con la ayuda de la IA como una segunda opinión.
El objetivo era simple: ver si el grupo de los "gritos" obtenía sus diagnósticos más rápido. Si la IA podía reducir el tiempo desde que se toma la radiografía hasta que se descubre si alguien tiene cáncer de pulmón, sería una gran victoria para los pacientes. Pero había un truco. Los investigadores también tenían que contar el dinero. Observaron cada centavo gastado: el costo de las radiografías, las tomografías computarizadas (CT), las pruebas adicionales e incluso la tarifa para alquilar el software de IA y el costo de conectarlo a los sistemas informáticos del hospital.
El Resultado Sorprendente: El Robot No Salvó el Día
Después de analizar los números, el estudio encontró un resultado que podría sorprenderte. La IA que "gritaba" no aceleró significativamente el diagnóstico.
Aquí está el desglose de lo que sucedió:
- Tiempo: El tiempo que tomó obtener un diagnóstico fue casi el mismo en ambos grupos. En el grupo donde la IA gritó para priorizar las fotos, el tiempo promedio para un diagnóstico fue de unos 75 días. En el grupo donde la IA solo ayudó a leer sin gritar, fue de unos 77 días. Esa pequeña diferencia no fue suficiente para decir que la IA que gritaba realmente marcó una diferencia real.
- Dinero: Debido a que el software de IA cuesta dinero por la licencia y cuesta dinero instalarlo en las computadoras del hospital, el grupo de los "gritos" costó en realidad más dinero al servicio de salud. El estudio calculó que usar la función de priorización añadía aproximadamente £1 por paciente en comparación con el uso de la IA sin la función de gritar.
Cuando los investigadores miraron el panorama general para toda Inglaterra, las matemáticas se volvieron aún más crudas. Si cada médico de cabecera en Inglaterra (que solicita alrededor de 2.2 millones de radiografías al año) utilizara la IA para priorizar las radiografías, le costaría al NHS un extra de £2.2 millones por año solo para obtener ese ahorro de tiempo casi inexistente. Si comparaban el método de la IA con la forma antigua de hacer las cosas (sin IA en absoluto), el costo saltaría entre £16 millones y £35 millones por año.
¿Por qué no funcionó?
Los investigadores sugieren que el problema no era la IA en sí, sino dónde estaba intentando ayudar. Imagina una autopista donde el tráfico está congestionado. Si tienes un helicóptero que puede detectar los autos más lentos y decirles que se muevan al carril rápido, eso es genial. Pero si toda la autopista está en un embotellamiento porque no hay suficientes carriles o suficientes policías para gestionar el flujo, mover un auto al frente no despeja el tráfico.
En el caso del diagnóstico de cáncer de pulmón, el "embotellamiento" ocurre después de la radiografía. Incluso si la IA mueve la radiografía aterradora al frente de la fila, el paciente todavía tiene que esperar por una tomografía computarizada, luego esperar a que un especialista revise los resultados, luego esperar a que un equipo decida el tratamiento. El estudio encontró que la IA no podía solucionar los cuellos de botella que ocurrían después de que la radiografía era leída. El sistema ya estaba tan ocupado que mover la radiografía al frente no hacía que todo el proceso fuera más rápido.
La Conclusión
El estudio concluye que, al menos por ahora, usar la IA para priorizar inmediatamente las radiografías de tórax no es un buen uso del dinero para el servicio de salud. Cuesta más de lo que ahorra y, de hecho, no logra que los pacientes sean diagnosticados más rápido.
Los autores son muy claros al respecto: no están diciendo que la IA sea inútil para siempre. Dicen que esta forma específica de usarla —gritar para mover las radiografías al frente de la fila— no funciona lo suficientemente bien como para justificar el costo. En lugar de gastar millones en esta herramienta específica, el estudio sugiere que el servicio de salud podría obtener mejores resultados reparando otras partes del proceso, como contratar más personal o asegurarse de que haya suficientes escáneres de tomografía y médicos para manejar a los pacientes una vez que han sido señalados.
En resumen, el asistente robot intentó ser un héroe gritando "¡Mírame primero!", pero el resto del equipo estaba demasiado ocupado para escuchar. Hasta que todo el equipo pueda moverse más rápido juntos, simplemente gritar al frente de la fila no resolverá el problema.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.