Este estudio describe el desarrollo de un modelo de aprendizaje automático (inteligencia artificial) para diagnosticar la enfermedad celíaca, basándose en imágenes de biopsias del intestino delgado. El diagnóstico actual de la enfermedad celíaca a menudo presenta una concordancia de solo el 80% entre diferentes patólogos. Esto se debe a la naturaleza subjetiva de la interpretación histológica, sin contar la escasez global de patólogos.
El modelo fue entrenado con un gran conjunto de más de 3383 imágenes de biopsias de cuatro hospitales distintos y cinco tipos diferentes de escáneres, haciéndolo muy representativo de datos clínicos reales.
El modelo alcanzó un nivel de rendimiento equivalente al de un patólogo, logrando una precisión, sensibilidad y especificidad superiores al 95%. La concordancia en el diagnóstico entre el modelo y los patólogos fue estadísticamente igual a la concordancia entre los propios patólogos. También demostró una fuerte capacidad de adaptarse a datos de hospitales diferentes y funcionó de manera imparcial en pacientes de todas las edades mayores de 19 años y de ambos sexos.
En conclusión, este modelo representa un gran avance para la implementación de la inteligencia artificial en la patología clínica. Una alternativa con el potencial de mejorar la precisión diagnóstica y la eficiencia, ayudando a evitar demoras en el diagnóstico de la enfermedad celíaca.
