Un problema difícil de ver
La aspiración de cuerpos extraños en las vías respiratorias —conocida como foreign body aspiration o FBA— es una emergencia médica que puede poner en peligro la vida del paciente si no se detecta a tiempo. La situación se agrava cuando el objeto aspirado es radiolúcido, es decir, invisible en radiografías y muchas veces también en escáneres torácicos. Esto retrasa el diagnóstico y con frecuencia se confunde con neumonía o asma, especialmente en adultos.
Un modelo de IA con dos cerebros
Para afrontar este desafío clínico, investigadores de China y Reino Unido han creado un sistema de inteligencia artificial que combina dos herramientas: MedpSeg, un modelo de segmentación de las vías respiratorias en 3D, y ResNet-18, una red neuronal entrenada para clasificar imágenes desde múltiples ángulos. Esta estrategia de doble etapa permite al sistema detectar cambios sutiles en las vías que podrían pasar desapercibidos a simple vista.
Resultados contundentes
El sistema fue entrenado con datos de 132 pacientes diagnosticados por broncoscopia en tres hospitales de Wuhan. Los investigadores lo validaron con cohortes independientes y, en una prueba ciega, compararon su rendimiento con el de tres radiólogos expertos. El modelo de IA alcanzó una precisión del 90%, superando a los especialistas en sensibilidad (71,4% frente al 35,7%) y en F1 score (74,1% frente al 52,6%), una métrica que equilibra precisión y sensibilidad.
Ventajas clínicas y técnicas
El uso de múltiples vistas en 2D a partir de modelos 3D del pulmón permitió al modelo identificar con mayor exactitud cuerpos extraños no visibles directamente en los cortes axiales del TAC. Además, el entrenamiento con técnicas de data augmentation y corrección manual de errores durante el aprendizaje mejoró la precisión de la segmentación de las vías respiratorias.
¿Puede sustituir a los radiólogos?
No. Los autores insisten en que su modelo no reemplaza a los profesionales, sino que actúa como una herramienta de apoyo para reducir errores de omisión, especialmente en casos donde los síntomas son ambiguos y las imágenes no muestran indicios evidentes de obstrucción.
Limitaciones y próximos pasos
El estudio fue retrospectivo y se centró en una región específica (Wuhan), lo que limita su aplicabilidad global. Además, debido al uso de tomografía computarizada, el sistema no es apto para su uso generalizado en niños por la exposición a radiación. En el futuro, se prevé integrarlo con protocolos de baja dosis y con otros datos clínicos para mejorar aún más su precisión.
Un paso adelante en diagnóstico asistido
Este trabajo representa un avance importante en el uso de inteligencia artificial para condiciones médicas difíciles de diagnosticar. El código del modelo está disponible públicamente en GitHub, lo que abre la puerta a su validación en otros hospitales y países. Si se confirma su eficacia en estudios más amplios, podría convertirse en una herramienta estándar para detectar cuerpos extraños invisibles en los pulmones.
La fotografía de representación de este artículo pertenece a CDC y ha sido publicada en Unsplash.
