968 - EXPRESIÓN CLÍNICA Y RADIOLÓGICA DE LA SARCOIDOSIS, UN RETO PARA LA INTELIGENCIA ARTIFICIAL
1Medicina Interna, Hospital Universitario Ramón y Cajal, Madrid, España. 2Facultad de Medicina y Ciencias de la Salud, Universidad de Alcalá (UAH), Alcalá de Henares, España.
Objetivos: La sarcoidosis es una enfermedad inflamatoria sistémica que se caracteriza por la formación de granulomas no caseificantes. Su diagnóstico diferencial es muy amplio, por lo que, con frecuencia, el diagnóstico final se demora de manera significativa. El objetivo del estudio es comparar la concordancia entre los tres primeros diagnósticos de presunción emitidos por médicos especialistas en Medicina Interna y los generados por una inteligencia artificial generativa (IA) mediante la evaluación de signos y síntomas clínicos, así como los hallazgos radiológicos de pacientes con diagnóstico definitivo de sarcoidosis.
Métodos: Estudio observacional retrospectivo de una cohorte de pacientes con sarcoidosis en seguimiento en consulta monográfica de Enfermedades Autoinmunes Sistémicas de Medicina Interna de un hospital terciario. Datos recogidos entre enero de 2024 hasta diciembre de 2024. Criterios de inclusión: pacientes con diagnóstico de sarcoidosis en situación estable de enfermedad, estableciendo este con hallazgos clínicos y radiológicos típicos (síndromes de Löfgren y Heer-fordt), y en formas atípicas confirmándolo histológicamente con la presencia de granulomas no caseificantes en biopsias. Se recogieron variables clínicas y radiológicas. Se utilizó ChatGpt 4.0 plus como herramienta de IA para generar tres diagnósticos. Las variables cuantitativas se describen mediante media y desviación típica. Las variables cualitativas se describen como frecuencia absoluta y relativa. Se aplicó el test de Mc-Nemar para el análisis de asociaciones, tomando como valor de significación una p < 0,05.
Resultados: Se incluyeron 46 pacientes con diagnóstico definitivo de sarcoidosis. La media de edad fue de 56,1 ± 14,2 años, 29 (63,04%) mujeres. Las variables clínicas se recogen en la tabla 1, las variables radiológicas en la tabla 2. En el diagnóstico diferencial realizado tras el estudio de los datos tanto clínicos como radiológicos, por parte de los facultativos de Medicina Interna, se seleccionaba la sarcoidosis como primera opción diagnóstica en los 46 (100%) pacientes. En contraposición, la IA escogió sarcoidosis como primera opción diagnóstica en cuarenta (86,96%) de los pacientes incluidos, sin embargo, dicho diagnóstico sí fue incluido dentro de los tres posibles diagnósticos diferenciales en todos los pacientes. En los otros seis (13,04%) pacientes la IA estableció como primer diagnóstico granulomatosis con poliangeítis en cuatro (8,70%) pacientes y neoplasia linfoproliferativa en dos (4,35%) pacientes. El test de Mc-Nemar obtuvo un valor de χ2 = 4,17 y un valor p de 0,0412, mostrando diferencias estadísticamente significativas entre los diagnósticos realizados por facultativos de Medicina Interna y los formulados con la IA.
|
Tabla 1 |
|
|
Variables clínicas |
Frecuencia absoluta y relativa |
|
Afectación pulmonar |
23 (50%) |
|
Afectación cutánea |
18 (39,13%) |
|
Afectación articular |
17 (36,96%) |
|
Fiebre |
7 (15,22%) |
|
Afectación muscular |
5 (10,87%) |
|
Pérdida de peso |
5 (10,87%) |
|
Afectación gastrointestinal |
4 (8,70%) |
|
Afectación ósea |
3 (6,52%) |
|
Afectación del metabolismo fosfocálcico |
3 (6,52%) |
|
Afectación glandular |
3 (6,52%) |
|
Afectación otorrinolaringológica |
2 (4,35%) |
|
Afectación renal |
1 (2,17%) |
|
Afectación neurológica |
1 (2,17%) |
|
Afectación ocular |
0 |
|
Afectación cardiaca |
0 |
|
Tabla 2 |
|
|
Variables radiológicas |
Frecuencia absoluta y relativa |
|
Afectación pulmonar (afectación radiológica intersticial y fibrosis pulmonar) |
31 (67,39%) |
|
Afectación linfática (adenopatías de tamaño patológico) |
41 (89,13%) |
|
Afectación a otros niveles |
10 (21,7%) |
Conclusiones: La IA demostró una alta capacidad para deducir el diagnóstico de sarcoidosis utilizando únicamente datos clínicos y radiológicos. Aunque la IA puede actuar como una herramienta útil a la hora de apoyar y complementar los procesos diagnósticos de patologías complejas, la experiencia y el conocimiento clínico de los médicos especialistas en Medicina Interna han demostrado ser superiores en la precisión del diagnóstico de sarcoidosis. Se debe entender la IA como una herramienta auxiliar que puede facilitar la interpretación de datos y mejorar la eficiencia diagnóstica, pero no debe considerarse un sustituto del razonamiento clínico y la evaluación integral del paciente realizados por los médicos especialistas.
