Inteligencia artificial para la detección y clasificación de lesiones mamarias no masivas en imágenes de ultrasonido: un estudio comparativo

ANTECEDENTES: Este estudio retrospectivo tiene como objetivo validar la efectividad de la inteligencia artificial (IA) para detectar y clasificar lesiones mamarias no masivas (NML) en imágenes de ultrasonido (US). MÉTODOS: Un total de 228 pacientes con NML y 596 voluntarios sin lesiones mamarias en imágenes de US fueron incluidos en el estudio desde enero de 2020 hasta diciembre de 2022. Los resultados patológicos sirvieron como el estándar de referencia para las NML. Se desarrollaron dos modelos de IA para detectar y clasificar con precisión las NML en imágenes de US, incluyendo DenseNet121₄48 y MobileNet₄48. Para evaluar y comparar el rendimiento diagnóstico de los modelos de IA, se emplearon el área bajo la curva (AUC), precisión, especificidad y sensibilidad. RESULTADOS: Un total de 228 pacientes con NML confirmados por patología postoperatoria con 870 imágenes de US y 596 voluntarios con 1003 imágenes de US fueron incluidos. En el experimento de detección, MobileNet₄48 logró un buen rendimiento en el conjunto de prueba, con AUC, precisión, sensibilidad y especificidad de 0.999 (IC95%: 0.997-1.000), 96.5%, 96.9% y 96.1%, respectivamente. No fue estadísticamente significativo en comparación con DenseNet121₄48. En el experimento de clasificación, el modelo MobileNet₄48 logró el mayor rendimiento diagnóstico en el conjunto de prueba, con AUC, precisión, sensibilidad y especificidad de 0.837 (IC95%: 0.990-1.000), 70.5%, 80.3% y 74.6%, respectivamente. CONCLUSIONES: Este estudio sugiere que los modelos de IA, en particular MobileNet₄48, pueden detectar y clasificar eficazmente las NML en imágenes de US. Esta técnica tiene el potencial de mejorar la precisión diagnóstica temprana para las NML.