Interpretación de la espirometría asistida por IA en atención primaria: un ensayo controlado aleatorizado

Resumen

Antecedentes: La calidad y la confianza en la interpretación de la espirometría son muy variables en atención primaria, lo que contribuye al infradiagnóstico, sobrediagnóstico y diagnóstico erróneo de enfermedades respiratorias crónicas en todo el mundo. Se ha demostrado que el software de apoyo a la toma de decisiones basado en inteligencia artificial (IA) mejora la precisión de la interpretación de la función pulmonar en la atención especializada, pero se desconoce su aplicabilidad a la atención primaria.

Métodos: Realizamos un ensayo de superioridad controlado, aleatorizado y de grupos paralelos para evaluar si el software de apoyo a la toma de decisiones basado en IA mejora el rendimiento de la interpretación de la espirometría por parte de los profesionales de atención primaria. Los profesionales de atención primaria que derivan, realizan o interpretan espirometrías evaluaron 50 registros de espirometría de pacientes reales, proporcionando el diagnóstico más probable («diagnóstico preferido») a través de una plataforma en línea con (intervención) o sin (control) software de apoyo a la toma de decisiones basado en IA. El resultado principal fue el rendimiento de la predicción del diagnóstico preferido, medido como el porcentaje de casos en los que el diagnóstico preferido coincidía con el diagnóstico de referencia predeterminado por neumólogos expertos. Se planificó un análisis de subgrupos centrado en casos con diagnóstico de enfermedad pulmonar obstructiva crónica (EPOC). Los resultados secundarios fueron el rendimiento en la predicción del diagnóstico diferencial, la evaluación de la calidad técnica, la interpretación de patrones y la confianza autoevaluada en la interpretación.

Resultados: De 400 profesionales clínicos evaluados para determinar su elegibilidad, 234 fueron asignados aleatoriamente, y 133 (57%) completaron la evaluación (intervención, n = 67; control, n = 66): 73 % mujeres, 42 % médicos generales y 50 % enfermeras. En comparación con el grupo control, la incorporación de software de apoyo a la toma de decisiones con IA mejoró el rendimiento en la predicción del diagnóstico preferido en todos los casos (diferencia de medias: 9,0; intervalo de confianza [IC] del 95 %: 4,5-13,3 %; p = 0,001) y en los casos de EPOC (15,9; IC del 95 %: 9,0-22,7 %; p < 0,001). La predicción del diagnóstico diferencial y la evaluación de la calidad técnica también mejoraron con la intervención, pero no la interpretación de patrones ni la confianza del profesional sanitario.

Conclusiones: En el personal sanitario de atención primaria, el uso complementario de software de apoyo a la toma de decisiones sobre espirometría con IA mejoró la predicción del diagnóstico, lo que podría ayudar a abordar la interpretación deficiente de la espirometría en atención primaria. (Financiado por el Instituto Nacional para la Investigación en Salud y Atención Médica y otros; identificador de ClinicalTrials.gov: NCT05933694).

El artículo original:

Doe G, Banya W, Edwards G, et al. AI-Assisted Spirometry Interpretation in Primary Care: A Randomized Controlled Trial. NEJM AI 2025;2(8). DOI: 10.1056/AIoa2400804

Disponible en: https://n9.cl/xu7fi