Una fórmula estadística iguala a dos algoritmos de IA al estimar el riesgo de cáncer tiroideo

Una fórmula estadística clásica obtuvo resultados similares a dos algoritmos de inteligencia artificial al estimar el riesgo de malignidad de los nódulos tiroideos. El estudio, realizado por investigadores del Hospital Universitario de Puerto Real, la Universidad de Cádiz y el Instituto de Investigación e Innovación Biomédica de Cádiz (INIBICA), se publicó en PLOS Digital Health.

Los nódulos tiroideos son frecuentes: las ecografías de alta resolución los detectan en hasta dos de cada tres adultos, aunque solo una minoría es maligna. El reto clínico es identificar esos casos sin someter a la mayoría de los pacientes a punciones o cirugías innecesarias.

Publicidad

El equipo comparó una fórmula de regresión logística, desarrollada y validada previamente, con cuatro modelos de aprendizaje automático: Random Forest, XGBoost, Bagged CART y una red neuronal artificial. Todos recibieron la misma información clínica, analítica y ecográfica. El análisis incluyó a 861 pacientes operados de tiroides en el hospital entre 2010 y 2023; el diagnóstico definitivo se confirmó mediante el estudio de la pieza quirúrgica.

Resultados de la comparación

Para aproximarse al uso real, los investigadores entrenaron los modelos con pacientes operados antes de 2019 y los evaluaron con quienes fueron intervenidos desde ese año. La fórmula estadística distinguió los nódulos malignos de los benignos en el 84% de las comparaciones, con un área bajo la curva ROC de 0,84, igual al resultado de su validación externa previa.

Random Forest y XGBoost obtuvieron resultados prácticamente idénticos a los de la fórmula, sin diferencias estadísticamente significativas. Bagged CART quedó algo por debajo y la red neuronal rindió claramente peor. La fórmula clásica presentó la mejor calibración: las probabilidades que estima se correspondieron mejor con el riesgo real, sin ajustes posteriores.

La fórmula y tres de los algoritmos también discriminaron mejor que la clasificación ecográfica de referencia de la Asociación Americana de Tiroides (ATA 2015), basada únicamente en la imagen. El autor principal del trabajo, Juan Jesús Fernández Alba, jefe del Servicio de Obstetricia y Ginecología del hospital y profesor de la Universidad de Cádiz, señaló que una mayor complejidad no garantiza mejores resultados y que una herramienta sencilla y validada puede ser sólida cuando se emplean datos habituales de consulta.

Alcance y disponibilidad del estudio

Los autores destacan que la transparencia permite comprender y supervisar las herramientas de apoyo a la decisión clínica, una característica que relacionan con la nueva normativa europea sobre inteligencia artificial en el ámbito sanitario. El estudio, sin embargo, se realizó en un solo centro, incluyó únicamente pacientes operados y contó con una muestra de tamaño moderado.

Los resultados no descartan que la inteligencia artificial aporte ventajas en otros contextos, como en muestras mucho mayores o mediante el análisis directo de imágenes ecográficas. Los datos anonimizados y el código completo del análisis están disponibles en Zenodo y GitHub para que otros grupos puedan reproducir y comprobar los resultados.

El artículo, cuya publicación en acceso abierto se financió mediante el acuerdo de la CRUE y la Universidad de Cádiz con PLOS, está firmado por Juan Jesús Fernández Alba y Carmen González Macías, del Servicio de Obstetricia y Ginecología del hospital y la Universidad de Cádiz, y por Florentino Carral San Laureano y Ana Isabel Jiménez Millán, del Servicio de Endocrinología y Nutrición del centro. Fernández Alba y González Macías forman parte también del grupo de investigación EM18 del INIBICA. Consultar el artículo.


Publicidad