Desempeño diagnóstico de un modelo de visión y lenguaje implementado localmente para el diagnóstico de tumores óseos utilizando imágenes captadas con smartphone: estudio exploratorio retrospectivo

Contexto

Los modelos de visión y lenguaje (VLM) se están integrando cada vez más en el campo de la imagenología médica, ofreciendo nuevas posibilidades para el diagnóstico. Sin embargo, su rendimiento ante imágenes capturadas en entornos ruidosos, como los que se pueden obtener a través de smartphones, no ha sido suficientemente explorado. Esto es particularmente importante en la atención primaria, donde los médicos a menudo dependen de imágenes de condiciones subóptimas para realizar sus diagnósticos. En este contexto, el presente estudio retrospectivo analizó un VLM de código abierto, Qwen3-VL, en relación con imágenes de tumores óseos y las potenciales mejoras que podría ofrecer la integración de RAG.

Qué aporta esta novedad

El estudio incluyó 42 pacientes con tumores óseos primarios confirmados por biopsia, con el objetivo de simular las condiciones reales de captura de imágenes. Utilizando un diseño factorial 2x2, se compararon los desempeños diagnósticos del modelo base y el modelo con RAG bajo dos diferentes "personas" clínicas: la de un radiólogo y la de un oncólogo ortopédico. Los resultados mostraron que, sin la integración de RAG, la precisión diagnóstica en la identificación de tumores no varió significativamente entre las dos personas estudiadas. Sin embargo, se observó una disminución en la precisión del radiólogo al aplicar RAG, sugiriendo que esta integración no tuvo el efecto positivo esperado.

Por qué es relevante

Los hallazgos surgen en un momento en el que la inteligencia artificial se está integrando ampliamente en el diagnóstico médico. La falta de mejora en la precisión diagnóstica al utilizar RAG en imágenes de smartphone indica que la incorporación de recursos externos no siempre mejora las decisiones clínicas, e incluso puede conducir a errores diagnósticos relacionados con la información recuperada. Los patrones de error diagnosticado encontrados durante el análisis de razonamiento del modelo resaltan la necesidad de validar la efectividad de las implementaciones de IA en entornos médicos reales y deteriorados.

Lectura final

Este estudio pone de manifiesto la complejidad del uso de modelos de IA en el diagnóstico de tumores óseos. Aunque la integración de características como RAG puede parecer ventajosa, los resultados sugieren la importancia de diseñar características del modelo que sean robustas a la calidad de la imagen y a la naturaleza del contenido recuperado. A medida que se avanza en la implementación de estas tecnologías, será crucial realizar más estudios que validen estas observaciones en entornos clínicos diversos y en condiciones de imagen más representativas.