Dynamic AI-assisted Ipsilateral Tissue Matching for Digital Breast Tomosynthesis

Objetivo: Comparar los errores de coincidencia de tejido de la Tomosíntesis Digital de Mama (DBT) con y sin asistencia de inteligencia artificial (IA) con tamaños típicos de tumores de mama detectados en el cribado, evaluando si la IA mejora la deslocalización de la lesión más allá de los límites del tumor, especialmente para radiólogos no expertos. La categoría de tecnología es aprendizaje profundo. Materiales y métodos: Este estudio de viabilidad retrospectivo multicéntrico realizado entre abril de 2022 y julio de 2023 incluyó a 12 radiólogos (edad media, 42 años ± 8) que interpretaron 94 regiones de lesión de interés en 30 mujeres. Los lectores realizaron anotaciones con y sin asistencia de IA después de un período de lavado mínimo de cuatro semanas. Los errores cuadráticos medios (RMSE) y los errores de distancia máxima (MDE) se midieron en relación con las referencias de consenso. Las estratificaciones incluyeron la experiencia del radiólogo (≥ 5 frente a < 5 años), la anomalía de la lesión y las advertencias de la IA. Se utilizó la prueba de rangos con signo de Wilcoxon para evaluar la significación estadística. Resultados: En todas las lesiones anormales, el RMSE medio fue un 32 % mayor sin IA (11,70 mm frente a 8,88 mm, p = 0,049) y el error máximo medio de distancia fue un 37,5 % mayor (20,68 mm frente a 15,08 mm, p = 0,036). Los radiólogos no expertos mostraron el mayor beneficio: para las lesiones anormales sin advertencias de IA, el RMSE fue El titular de los derechos de autor de esta preimpresión medRxiv preprint doi: https://doi.org/10.1101/2024.12.02.24318238 ; esta versión publicada el 7 de febrero de 2025. (que no fue certificada por revisión por pares) es el autor/financiador, quien ha otorgado a medRxiv una licencia para mostrar la preimpresión a perpetuidad. Todos los derechos reservados. No se permite la reutilización sin permiso. Un 61,9 % mayor sin IA (12,20 mm frente a 7,57 mm, p = 0,010) y el error máximo de distancia fue un 67,5 % mayor (15,76 mm frente a 9,47 mm, p = 0,028). Estas reducciones son clínicamente relevantes dados los tamaños típicos de los tumores de mama detectados mediante cribado (mediana: 13 mm [RIC: 9-20]). Conclusión: La correspondencia tisular asistida por IA redujo significativamente los errores de localización de la TCD, especialmente en pacientes no expertos que manejan casos complejos. Al mantener los errores por debajo de las dimensiones tumorales típicas, la IA puede mejorar la precisión diagnóstica y reducir el riesgo de lesiones no detectadas o mal caracterizadas. (Recuento total de 4 secciones: 396 + 1569 + 322 + 605 = 2892, límite de 3000 palabras)