Evaluación del rendimiento de los modelos de Machine Learning en el diagnóstico del cáncer cervicouterino: una perspectiva sistemática
Cargando...
Archivos
Fecha
2025-02
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
Introducción: El cáncer cervicouterino (CCU) es una de las neoplasias malignas más frecuentes a nivel mundial y una de las principales causas de mortalidad femenina. Recientemente, se han desarrollado herramientas basadas en inteligencia artificial para el diagnóstico de esta enfermedad, basados en datos generados en el área de la salud. El objetivo de esta revisión sistemática fue de evaluar el rendimiento diagnóstico de los modelos de aprendizaje automático basados en datos sociodemográficos, epidemiológicos, y clínicos para la detección de CCU.
Materiales y métodos: Se realizó una búsqueda sistemática de la literatura en las bases de PubMed, Scopus, Embase, sin límite de tiempo hasta 03/30/2024. El proceso de tamizaje se realizó por dos autores independientes mediante la plataforma Rayyan®, así como el proceso de evaluación de riesgo de sesgos, a través de la herramienta QUADAS-2. Los casos de disputa se resolvieron por medio de un tercer autor. El metaanálisis se realizó en el software Stata17®.
Resultados: En total se incluyeron 6 estudios, en los cuales los modelos de aprendizaje automático incluyeron variables demográficas, clínicas, e incluso de comportamiento. El metaanálisis evidenció que estos modelos presentaron valores de sensibilidad y especificidad de 0.97 (IC95% 0.90 – 0.99) y 0.96 (IC95% 0.92 – 0.98) respectivamente, (I2 = 49.00, Q = 25.29, p < 0.01).
Conclusiones: Estos modelos se presentan como una nueva herramienta diagnóstica, con altas medidas de sensibilidad y especificidad, entre otros valores, resaltando su rendimiento diagnóstico, los cuales podrían ser introducidos en programas de tamizaje para la detección oportuna de la enfermedad.
Descripción
Abstract
Introduction: Cervical cancer (CC) is one of the most frequent malignant neoplasms worldwide and one of the main causes of female mortality. Recently, artificial intelligence-based tools have been developed for the diagnosis of this disease, based on data generated in the healthcare area. The aim of this systematic review was to evaluate the diagnostic performance of machine learning models based on sociodemographic, epidemiological, and clinical data for the detection of CC.
Materials and methods: A systematic literature search was performed in PubMed, Scopus, Embase, with no time limit until March 30, 2024. The screening process was performed by two independent authors using the Rayyan® platform, as well the risk of bias assessment process, using the QUADAS-2 tool. Cases of dispute were resolved by a third author. The meta-analysis was performed in Stata17® software.
Results: A total of 6 studies were included, in which the machine learning models included demographic, clinical, and even behavioral variables. The meta-analysis showed that these models presented sensitivity and specificity values of 0.97 (95%CI 0.90 - 0.99) and 0.96 (95%CI 0.92 - 0.98), respectively (I2 = 49.00, Q = 25.29, p < 0.01).
Conclusions: These models are presented as a new diagnostic tool, with high sensitivity and specificity measures, among other values, highlighting their diagnostic performance, which could be introduced in screening programs for the timely detection of the disease. However, this systematic review discusses some issues that must be addressed to validate and include these models in clinical practice.
Palabras clave
Cáncer, Cérvix, Learning, Machine, Diagnóstico
Keywords
Cancer, Cervical, Diagnosis, Learning, Machine