PANORAMA: IA en la detección de cáncer de páncreas

El adenocarcinoma ductal pancreático (PDAC) es uno de los cánceres más letales a nivel mundial, en gran parte debido a su diagnóstico tardío. Aunque la tomografía computarizada (TC) con contraste es el estándar para la detección, su interpretación puede ser variable. En este contexto, la inteligencia artificial (IA) emerge como una herramienta para mejorar la precisión diagnóstica. 

El estudio PANORAMA, un ensayo observacional, confirmatorio y de no inferioridad, estableció un marco internacional para evaluar sistemas de IA frente al rendimiento de radiólogos a gran escala.

🔬 ¿Cuál fue el diseño?

El estudio PANORAMA fue un análisis observacional, pareado, internacional y confirmatorio diseñado para comparar un sistema de IA con el diagnóstico de radiólogos. El estudio fue pre-registrado en Zenodo.

El sistema de IA se entrenó y validó con una cohorte internacional de 2310 pacientesde centros en los Países Bajos y EUA (n=2224 para entrenamiento, n=86 para ajuste). La evaluación final se realizó en una cohorte de testeo secuestrada e independiente de 1130 pacientes de cinco centros terciarios (Países Bajos, Suecia y Noruega). 

Se llevó a cabo un estudio observador multilector y multicaso con 68 radiólogos (de 40 centros en 12 países) que evaluaron un subconjunto de 391 pacientes de la cohorte de testeo. El diagnóstico de PDAC se confirmó mediante histopatología o un seguimiento clínico mínimo de 3 años.

El objetivo primario fue la diferencia en el área bajo la curva ROC (AUROC) media entre el sistema de IA y el conjunto de 68 radiólogos. El análisis estadístico preespecificado probó primero la no inferioridad (margen de 0.05) y luego la superioridad de la IA.

En esta tabla resumimos las características de la cohorte:

📊 ¿Qué encontraron?

De un total de 3440 pacientes incluidos, 1103 (32%) tenían diagnóstico de PDAC. El sistema de IA final fue un ensamblaje de los tres mejores algoritmos de aprendizaje profundo desarrollados en el desafío PANORAMA.

🎯 Rendimiento General de la IA: 

En la cohorte completa de testeo secuestrada de 1130 pacientes (406 con PDAC), el sistema de IA alcanzó una AUROC de 0,92 (IC 95%: 0,90-0,93).

⚖️ Comparación Directa IA vs. radiólogos:

En el subconjunto de 391 casos (144 con PDAC) evaluado en el estudio de lectores, los resultados fueron:

• Sistema de IA: AUROC de 0,92 (IC 95%: 0,89-0,94).

• Radiólogos (n=68): AUROC media de 0,88 (IC 95%: 0,85-0,91).

• La IA demostró ser estadísticamente no inferior (p<0,0001) y superior (p=0,001) a los radiólogos.

👐 Rendimiento en puntos de corte clínicos:

• A un nivel de sensibilidad del 96,1% (equivalente al punto de corte más conservador de los radiólogos), la IA generó un 38% menos de falsos positivos (85 con la IA vs. 138 con los radiólogos).

• A un nivel de especificidad del 73,8%, la IA detectó un 38% más de cánceres que los radiólogos (13 casos omitidos con la IA vs. 21 con los radiólogos).

• En su punto de corte ROC óptimo, la IA alcanzó una sensibilidad del 85,4% y una especificidad del 84,6%.

💡 ¿Qué concluyeron?

El sistema de IA derivado del estudio PANORAMA demostró un rendimiento estadísticamente superior al de un amplio y diverso grupo de 68 radiólogos en la detección de PDAC en TC rutinaria.

Estos hallazgos proporcionan evidencia de nivel 2b que respalda el potencial de la IA para mejorar la detección del cáncer, reducir derivaciones innecesarias y, en última instancia, mejorar los resultados de los pacientes. 

Una de las limitaciones del estudio fue su naturaleza retrospectiva y el entorno de lectura controlado, que no replica completamente la práctica clínica. Sin embargo, este trabajo establece el primer marco público y FAIR (localizable, accesible, interoperable y reutilizable) para la IA en PDAC, sentando las bases para una investigación más transparente y reproducible. Se requieren estudios prospectivos para validar estos hallazgos y evaluar el impacto de la IA en los flujos de trabajo clínicos y los resultados centrados en el paciente.