Uso de la inteligencia artificial en el diagnóstico de alteraciones de la citología cervicouterina: estudio observacional en población universitaria

Introducción. La citología convencional (prueba de Papanicolaou) continúa siendo un pilar del tamizaje del cáncer cervicouterino en Colombia, pero su utilidad se ve opacada por una gran carga laboral y bajo rendimiento diagnóstico. El uso de la inteligencia artificial puede proveer una solución a este problema, sin embargo, no hay estudios que evalúen su utilidad en nuestra población.Objetivo. Evaluar y comparar la capacidad discriminativa de cuatro modelos de inteligencia artificial para detectar anormalidades en la citología cervicouterina.Materiales y métodos. Se obtuvieron 650 imágenes de células de citología cervicouterina convencional de una población universitaria del nororiente colombiano, las cuales fueron sometidas a evaluación diagnóstica por un patólogo experto. Mediante el análisis de imágenes digitales y aprendizaje profundo, se entrenaron cuatro modelos de inteligencia artificial (DenseNet, InceptionV3, MobileNet y VGG19) con los datos de una base de citología de acceso público, determinando la capacidad discriminativa de los modelos con su respectiva sensibilidad, especificidad y área bajo la curva.Resultados. MobileNet tuvo la mejor capacidad discriminativa [área bajo la curva (AUC) de 0,97) con una especificidad del 0,99 y sensibilidad de 0,78 para la detección de alteraciones en la citología cervicouterina. Por otro lado, InceptionV3 tuvo un mejor desempeño en el tamizaje, con sensibilidad del 0,93, especificidad de 0,82 y área bajo la curva de 0,947.Conclusiones. Nuestros resultados ilustran las ventajas y desventajas de diferentes modelos de inteligencia artificial y la forma como podrían ayudar a mejorar el rendimiento del tamizaje con citología convencional o, incluso, servir como método de tamizaje primario para descartar los casos negativos, lográndose un desempeño diagnóstico comparable con el de la lectura convencional.