Clasificación de deposiciones en lactantes menores de doce meses mediante inteligencia artificial como herramienta diagnóstica

Abstract

Objetivo: evaluar la concordancia entre un modelo de inteligencia artificial (IA) y la clasificación realizada por gastroenterólogos pediatras en la consistencia de las deposiciones en lactantes menores de 12 meses, utilizando la escala BITSS. Metodología: se realizó un estudio observacional, transversal y retrospectivo basado en un banco fotográfico de deposiciones en pañales. De 1100 imágenes que cumplían criterios de calidad, 896 alcanzaron acuerdo por mayoría entre tres gastroenterólogos, quienes constituyeron la referencia clínica. Las imágenes se organizaron en las siete categorías de BITSS y en una versión agrupada en cuatro. Se entrenaron veinte modelos de IA, asignando el 85% de las imágenes al entrenamiento y el 15% a la validación. El desempeño se evaluó mediante sensibilidad, especificidad, precisión, F1-score y exactitud. La concordancia entre especialistas se estimó con Kappa de Fleiss y tanto el acuerdo por pares como la concordancia IA-referencia se midieron con Kappa ponderado. Resultados: los especialistas obtuvieron un acuerdo total del 24.7% y parcial del 75.3%, con un Kappa de Fleiss de 0.24. En siete categorías, el Modelo 7 alcanzó una exactitud de 0.56, con variabilidad entre clases. En la versión de cuatro categorías, el Modelo 19 mostró mejor desempeño, con una exactitud de 0.76, sensibilidades de 0.93 para estreñimiento y 0.86 para blandas, y especificidades predominantemente entre 0.95 y 0.98. La concordancia IA-referencia se ubicó entre moderada y sustancial. Conclusiones: La variabilidad inter-observador evidencia la necesidad de métodos más estandarizados. La IA mostró concordancia sustancial, especialmente con categorías agrupadas, respaldando su utilidad como herramienta complementaria.