La evaluación de modelos de inteligencia artificial (IA) para la detección de nódulos pulmonares en tomografías computarizadas de baja dosis se ve limitada por la diversidad de conjuntos de datos, estándares de anotación y protocolos de evaluación, lo que dificulta la comparación y la aplicación en entornos clínicos. En este sentido, se ha establecido un benchmark público y reproducible que abarca múltiples conjuntos de datos para la detección de nódulos y la clasificación de la malignidad a nivel de nódulo pulmonar, permitiendo cuantificar la generalizabilidad entre conjuntos de datos.
Utilizando el conjunto de datos Duke Lung Cancer Screening (DLCS) como conjunto de desarrollo clínicamente seleccionado, se ha evaluado el rendimiento en los conjuntos de datos LUNA16/LIDC-IDRI, NLST-3D y LUNA25. Los modelos de detección entrenados en DLCS y LUNA16 fueron evaluados externamente en NLST-3D mediante un análisis ROC de respuesta libre. En cuanto a la clasificación de malignidad, se compararon cinco estrategias diferentes, destacando la aproximación Strategic Warm-Start (ResNet50-SWS) preentrenada utilizando parches candidatos derivados de la detección.
Los resultados obtenidos muestran que el rendimiento de la detección varía significativamente según el conjunto de datos de entrenamiento, con los modelos entrenados en DLCS superando a los entrenados en LUNA16 en la evaluación externa en NLST-3D. En cuanto a la clasificación de la malignidad, ResNet50-SWS logró AUCs consistentes o superiores a otras estrategias de preentrenamiento, demostrando la influencia significativa de las características del conjunto de datos en el rendimiento de la IA en la detección de cáncer de pulmón.
En un contexto más amplio, la aplicación de inteligencia artificial en el ámbito de la salud, como la detección de nódulos pulmonares, se convierte en un elemento clave para la mejora de los procesos clínicos y la optimización de los tratamientos. En este sentido, empresas especializadas como Q2BSTUDIO ofrecen servicios de desarrollo de aplicaciones a medida y soluciones técnicas adaptadas a las necesidades específicas de cada proyecto, incluyendo inteligencia artificial, ciberseguridad, servicios en la nube y herramientas de inteligencia de negocio como Power BI.