Concordancia diagnóstica en la interpretación de fracturas de pelvis: comparación entre médicos especialistas, residentes y un modelo de lenguaje basado en inteligencia artificial

Resumen

Introducción
Las fracturas de pelvis pueden asociarse con elevada morbimortalidad y requieren una interpretación inicial adecuada en el contexto de urgencia. El objetivo fue evaluar el desempeño de un modelo de lenguaje basado en inteligencia artificial para identificar y clasificar radiografías AP de pelvis, comparándolo con médicos residentes y especialistas.
Material y métodos
Estudio experimental, prospectivo, de concordancia diagnóstica. Se analizaron 25 radiografías AP de pelvis distribuidas aleatoriamente: 20 con fractura y 5 sin patología. Las imágenes fueron evaluadas por residentes, especialistas y un modelo de lenguaje mediante un prompt preestablecido. Se consideró como patrón de referencia la clasificación normal/patológica confirmada. Se calcularon sensibilidad, especificidad, falsos positivos, falsos negativos e índice de discordancia.
Resultados
El modelo clasificó correctamente 7 de 20 radiografías patológicas, con sensibilidad del 35%, especificidad del 80%, 13 falsos negativos y 1 falso positivo. Su índice de discordancia fue 56% (14/25). Los residentes presentaron una discordancia global de 13,3% y los especialistas de 19% al considerar el total de evaluaciones individuales.
Discusión
El rendimiento del modelo fue inferior al de los observadores humanos y menor al informado para sistemas de inteligencia artificial específicamente entrenados para detección de fracturas.
Conclusion
El modelo de lenguaje general no demostró sensibilidad suficiente para ser utilizado como herramienta diagnóstica autónoma en radiografías AP de pelvis. Su eventual uso debería limitarse a un rol complementario, con validación específica y supervisión médica.

Nivel de evidencia CEBM: 3B