Una fórmula estadística clásica iguala a la IA para estimar riesgo de cáncer de tiroides
El estudio del Hospital de Puerto Real y la Universidad de Cádiz, publicado en PLOS Digital Health, calculó el riesgo con 861 pacientes.
Fuente: Universidad de Cádiz
Un equipo de investigadores de la Universidad de Cádiz, del Hospital Universitario de Puerto Real, perteneciente al Servicio Andaluz de Salud (SAS) de la Consejería de Presidencia, Sanidad y Emergencias, y del Instituto de Investigación e Innovación Biomédica de Cádiz (INIBICA) ha comprobado que el uso de una fórmula estadística clásica, sencilla y transparente puede igualar a los algoritmos de inteligencia artificial en la estimación del riesgo de padecer cáncer de nódulos tiroideos. El trabajo de estos profesionales se ha publicado en PLOS Digital Health, revista internacional de acceso abierto especializada en salud digital e inteligencia artificial aplicada a la medicina.
Los nódulos tiroideos son muy frecuentes y las ecografías de alta resolución los detectan en hasta dos de cada tres adultos. Solo una minoría es maligna, así que el reto diario de los especialistas es identificar esos casos sin someter a la mayoría de pacientes a punciones o cirugías innecesarias.
El grupo había desarrollado y validado en años anteriores un modelo de regresión logística, un tipo de fórmula estadística clásica. El modelo estima la probabilidad de que un nódulo sea maligno combinando datos clínicos (edad, sexo, antecedentes familiares), analíticos (hormona TSH) y ecográficos. Está disponible de forma gratuita como calculadora web para los profesionales sanitarios.
En el nuevo estudio, los investigadores enfrentaron esa fórmula a cuatro algoritmos de aprendizaje automático (machine learning): Random Forest, XGBoost, Bagged CART y una red neuronal artificial. Todos recibieron exactamente la misma información. Se analizaron 861 pacientes intervenidas e intervenidos de tiroides en el hospital entre 2010 y 2023, con el diagnóstico definitivo confirmado por el estudio de la pieza quirúrgica.
Para simular el uso real, el equipo aplicó una validación temporal estricta. Los modelos se entrenaron con los pacientes operados antes de 2019 y se evaluaron después con los operados a partir de 2019, como si se tratara de pacientes nuevos.
La fórmula clásica acertó al distinguir nódulos malignos de benignos en un 84% de las comparaciones (área bajo la curva ROC de 0,84), la misma cifra obtenida en su validación externa previa. Además, dos de los algoritmos, Random Forest y XGBoost, obtuvieron resultados prácticamente idénticos, sin diferencias estadísticamente significativas. Bagged CART quedó algo por debajo y la red neuronal rindió claramente peor.
La fórmula clásica fue la mejor calibrada, ya que las probabilidades que da se corresponden mejor con el riesgo real, sin necesidad de ajustes posteriores. Además, la fórmula y tres de los algoritmos discriminaron mejor que la clasificación ecográfica de referencia de la Asociación Americana de Tiroides (ATA 2015), que solo tiene en cuenta la imagen.
Más complejidad no siempre es mejor
“En plena expansión de la inteligencia artificial en medicina, nuestro estudio recuerda que más complejidad no garantiza mejores resultados”, explica el doctor Juan Jesús Fernández Alba, jefe del Servicio de Obstetricia y Ginecología del Hospital Universitario de Puerto Real, profesor de la Universidad de Cádiz y autor principal del trabajo. “Cuando los datos son los que se recogen habitualmente en la consulta, una herramienta sencilla y bien validada sigue siendo una opción muy sólida. Además, el profesional y el paciente pueden entender en qué se basa cada estimación”, añade el especialista.
Los autores destacan que la transparencia es también una ventaja ante la nueva normativa europea sobre inteligencia artificial en el ámbito sanitario, que exige que los sistemas de apoyo a la decisión clínica sean comprensibles y supervisables.
El estudio tiene limitaciones que los propios autores señalan. Se realizó en un único centro, solo incluye pacientes operados y el tamaño de la muestra es moderado. Los resultados no descartan que la inteligencia artificial aporte ventajas en otros contextos, por ejemplo con muestras mucho mayores o con el análisis directo de imágenes ecográficas.
Los datos anonimizados del estudio y el código completo del análisis están disponibles en los repositorios Zenodo y GitHub, de modo que otros grupos pueden reproducir y comprobar los resultados. La publicación en acceso abierto se ha financiado mediante el acuerdo de la CRUE y la Universidad de Cádiz con PLOS.
Firman el trabajo Juan Jesús Fernández Alba y Carmen González Macías, del Servicio de Obstetricia y Ginecología del Hospital Universitario de Puerto Real y la Universidad de Cádiz, y Florentino Carral San Laureano y Ana Isabel Jiménez Millán, del Servicio de Endocrinología y Nutrición del mismo hospital. Fernández Alba y González Macías forman parte asimismo del grupo de investigación EM18 del INIBICA.
Referencias
El artículo se puede consultar en el enlace https://journals.plos.org/digitalhealth/article?id=10.1371/journal.pdig.0001828
Últimas publicaciones
Un equipo de la Universidad de Sevilla, liderado por el profesor del Departamento de Expresión Gráfica e Ingeniería en Edificación Juan José Moyano, ha desarrollado un método computacional para reconstruir digitalmente la geometría de antiguas construcciones a partir de los restos arqueológicos que han llegado hasta nuestros días.
Sigue leyendoLa obesidad y los trastornos metabólicos constituyen uno de los principales retos de salud pública a nivel mundial. Aunque se sabe que el cerebro desempeña un papel fundamental en la regulación del apetito y del consumo energético, muchos de los mecanismos que permiten integrar las señales procedentes del resto del organismo siguen siendo poco conocidos.
Sigue leyendoUn estudio realizado por los departamentos de Ingeniería Forestal y Botánica, Ecología y Fisiología Vegetal de la Universidad de Córdoba revela que la presencia de las plantas invasoras en Sierra Nevada y Sierra de los Filabres, dos ecosistemas montañosos de Andalucía especialmente vulnerables al cambio climático y caracterizados por albergar plantas únicas, es actualmente bajo.
Sigue leyendo
