Nota del editor: Este artículo fue publicado originalmente en Inglés el 9 de enero.
De acuerdo a una investigación del Centro Médico de la Universidad de Nijmegen en los Países Bajos, el software de detección asistida por computadora (CAD) puede utilizarse durante la exploración de la tuberculosis (TB) para realizar un triaje de aquellas personas con alto riesgo de presentar la enfermedad, potencialmente disminuyendo la carga de la lectura de imágenes en los programas de exploración.
En un estudio preliminar en el que se evaluó el desempeño de un prototipo de CAD en casos provenientes de un programa de exploración en el Reino Unido, el equipo de los Países Bajos encontró que el CAD permitía preseleccionar como normales a cerca de 60% de los casos sin necesidad de que fueran interpretados por un lector humano.
"El CAD puede identificar una gran proporción de imágenes normales dentro de un contexto de exploración de la TB con sensibilidad alta, de manera que puede utilizarse para el triaje," dijo el Dr. Laurens Hogeweg, quien presentó los resultados durante una sesión científica de la reciente conferencia RSNA en Chicago.
Izquierda: Radiografía de tórax de un paciente con tuberculosis comprobada por cultivo. Se observa una pequeña lesión en el lóbulo superior derecho. Derecha: Resultado de un sistema CAD: Las localizaciones altamente sospechosas están marcadas en rojo, mientras que las áreas menos sospechosas se indican en azul. Todas las imágenes son cortesía del Dr. Laurens Hogeweg.Hogeweg señaló que el interés en la utilización de radiografías de tórax en los algoritmos para exploración de la TB está aumentando; especialmente dado que la radiografía digital suprime muchos de los inconvenientes asociados con los rayos X convencionales, tales como el uso de películas y químicos. Los rayos X digitales proporcionan un examen de la TB rápido y económico, y las investigaciones recientes han demostrado un buen desempeño, dijo.
Otros métodos de examen para la TB sufren de factores limitantes. El cultivo de células de esputo es lento y costoso, mientras que el frotis de esputo es insensible, dijo Hogeweg.
Sin embargo, la exploración de la TB con rayos X de tórax también puede ser problemática en un contexto de exploración. Los signos de TB en rayos X de tórax son difíciles de interpretar, lo cual lleva a una gran variabilidad entre observadores. Además, es necesario interpretar una gran cantidad de rayos X de tórax, lo cual genera altos costos al tenerse que emplear lectores, dijo Hogeweg.
Entra en escena el CAD
Sin embrago, el CAD puede ayudar, ya que sirve de método preseleccionador y de triaje para reducir el costo de los algoritmos de exploración de la TB. Dado que el software ofrece una alta sensibilidad, puede ser útil para realizar un triaje de casos cuando se utiliza como primer lector. Los casos que resulten normales en el CAD se eliminarían del proceso de exploración, mientras que los casos anormales serian leídos entonces por un experto humano, afirmó Hogeweg.
Para comprobar esta hipótesis, los investigadores quisieron valorar el desempeño de un prototipo investigativo de un sistema CAD (desarrollado conjuntamente por el Grupo de Análisis de Imágenes Diagnósticas de la universidad y por Delft Imaging Systems) para detectar la TB en radiografías de tórax en un contexto de exploración de alto riesgo. También querían evaluar su potencial como herramienta de triaje.
La organización Find & Treat en el Reino Unido ha estado llevando a cabo un programa de exploración móvil utilizando rayos X digitales para identificar casos de TB en Londres, en donde se encuentra la mayor tasa de TB de las capitales de Europa occidental y una incidencia particularmente alta en la población sin hogar, dijo Hogeweg. Entre los años 2005 y 2010, el programa adquirió 47.510 exámenes de tórax digitales de 38.717 individuos.
El equipo de investigación identificó 120 casos confirmados de TB pulmonar en la base de datos de Find & Treat y seleccionaron también de la base de datos 184 radiografías de tórax adicionales con el fin de evaluar la habilidad del sistema CAD para distinguir entre los casos de TB y aquellos que no lo eran. Las radiografías se realizaron con un sistema DigitalDiagnost (Philips Healthcare).
El software CAD se desarrolló originalmente para analizar rayos X de países con alto índice de TB en al Africa sub-sahariana y se re-entrenó para este estudio utilizando un grupo de 89 imágenes que incluían todos los 20 casos de TB confirmada por cultivo y 69 casos normales del 2006.
Se entrenó usando ejemplos de píxeles en regiones normales y anormales, con momentos Gaussianos derivados extraídos para cada región. Un clasificador se usa después para asignar un puntaje a cada pixel y cada imagen recibe un puntaje CAD general basado en el percentil 95 de todos los puntajes de pixel anormal, afirmó Hogeweg.
Después de haber entrenado al sistema, los investigadores pusieron a prueba su desempeño en los 96 casos restantes, los cuales incluían todos los 28 casos de TB comprobada por cultivo y 67 casos negativos para TB del 2009.
El desempeño del sistema se midió utilizando un análisis ROC (Receiver Operating Characteristic: Característica Operativa del Receptor), que comparó el puntaje CAD con el estándar de referencia. También evaluaron su potencial como herramienta de triaje al determinar la especificidad cuando el software utiliza una sensibilidad del 95%.
El sistema produjo un área general bajo la curva ROC de 0.86 en los casos de prueba.
La curva ROC de este estudio preliminar muestra el potencial para reducir el número de imágenes que deben leerse en un programa de exploración extenso. Esto puede lograrse al eliminar los estudios que el CAD considera normales y manteniendo una alta sensibilidad para casos de TB (indicados por las líneas rojas).Al mirar específicamente el desempeño con un 95% de sensibilidad, el software CAD produce una especificidad del 57%.
"Esto quiere decir que en un contexto de triaje podemos en efecto descartar 57% de las imágenes," dijo Hogeweg. "Esto también quiere decir que en un contexto de exploración, en donde la mayoría de las imágenes son normales, podemos eliminar un gran número de imágenes del proceso de exploración."
Como trabajo futuro, el equipo intentará mejorar el algoritmo CAD y evaluar el sistema en la totalidad de la base de datos de Find & Treat, afirmó Hogeweg. También quisieran poder realizar estudios de lectura y rentabilidad.
