La IA puede estandarizar y agilizar la interpretación de gammagrafías V/Q, mejorando la precisión diagnóstica de la EP y apoyando a lectores no expertos, lo cual es crucial dada la variabilidad interobservador.
📌 Conclusion: El modelo de IA BTU-Net permite una detección y segmentación de defectos de perfusión vascular en gammagrafías V/Q planares comparable a la de los radiólogos expertos, mejorando la eficiencia y estandarización diagnóstica para la embolia pulmonar.
🔬 Estudio: Evaluación retrospectiva de cuatro modelos de IA (U-Net, nnU-Net, Swin UNETR, BTU-Net) para la segmentación de defectos de perfusión vascular en gammagrafías V/Q planares, comparando su rendimiento con la anotación humana.
👥 Muestra: 2.118 pacientes sometidos a gammagrafía V/Q planar. Los modelos se entrenaron en 1.313 pacientes, validaron en 329 y se evaluaron en un conjunto de prueba de 46 pacientes de alta probabilidad y 430 de baja probabilidad.
⚡ Relevancia: ALTA — La automatización de la detección de defectos de perfusión mediante IA en gammagrafías V/Q puede agilizar el diagnóstico de embolia pulmonar, reducir la variabilidad interobservador y mejorar la estandarización del informe, especialmente en centros con menor experiencia.