Un modelo de IA con análisis de sangre detecta tumores digestivos, pero da muchas falsas alarmas

Qué encontraron

Un equipo de dos hospitales de Hefei, en China, quiso saber si análisis de sangre que ya se hacen de rutina podían ayudar a detectar tumores del aparato digestivo sin recurrir primero a una endoscopía.

Compararon 214 pacientes con tumores gastrointestinales y 130 personas sin tumor. De 38 indicadores de laboratorio, seleccionaron siete, entre ellos la edad, el hematocrito, las plaquetas y una proteína llamada cistatina 4. Con esos siete datos entrenaron 11 algoritmos de aprendizaje automático. El mejor fue una máquina de vectores de soporte.

En el grupo de prueba, ese modelo obtuvo:

• un AUC de 0,85, una medida general de capacidad para distinguir enfermos de sanos;
• una sensibilidad de 95,4 %: detectó a casi todas las personas con tumor;
• una especificidad de 61,5 %: acertó con poco más de la mitad de las personas sanas;
• un valor predictivo positivo de 80,5 % y uno negativo de 88,9 %.

Qué significa

La cifra que más importa no está en el titular del paper, sino en su discusión. En el estudio, el 62,2 % de las personas tenía un tumor, una proporción muy alta porque se eligieron así a propósito. En ese escenario, cuando el modelo dice "positivo", acierta en el 80,5 % de los casos.

Pero en una consulta real el tumor es mucho menos frecuente. Los autores calculan que, si solo el 5 % de las personas evaluadas tuviera un tumor, el valor predictivo positivo caería a cerca de 11,5 %. Es decir, la gran mayoría de los positivos serían falsas alarmas, y cada una llevaría a una endoscopía de confirmación. Con una especificidad de 61,5 %, cerca de 38,5 % de las personas sanas saldrían positivas.

La lectura más prudente es que el modelo sirve mejor para descartar que para confirmar. Un resultado negativo es bastante confiable; uno positivo, casi nunca es suficiente por sí solo.

Este paper es un buen ejemplo de por qué la precisión de una herramienta de IA en salud no se puede resumir en un solo número: depende de a quién se le aplica.

Límites

• Sin validación externa. El modelo no se probó en pacientes de otro hospital o región. Los propios autores lo califican como una limitación crítica.
• Diseño que infla el rendimiento. Es un estudio retrospectivo, de un solo centro, con casos y controles elegidos por separado. Los autores advierten que ese diseño puede dar mejores resultados que un tamizaje real.
• No sirve para la población general. Por su especificidad modesta, los autores lo proponen solo como apoyo para personas de alto riesgo.
• Solo datos de laboratorio. No incluye síntomas, antecedentes ni imágenes, que en la práctica pesan en la decisión de hacer una endoscopía.