Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
¿Puede la IA sustituir la decisión del comité multidisciplinar en tumores colorrectales?. Análisis de concordancia y factores de discrepancia en la vida real
0
Zitationen
6
Autoren
2026
Jahr
Abstract
La integración de la inteligencia artificial (IA) en la toma de decisiones oncológicas plantea interrogantes sobre su capacidad para reproducir el criterio clínico experto. Este estudio observacional retrospectivo evaluó la concordancia entre una herramienta de IA de acceso libre y un Comité Multidisciplinar (CM) de cáncer colorrectal, e identificó los escenarios en los que el juicio humano continúa siendo determinante. Se analizaron 205 pacientes con cáncer colorrectal evaluados en tres fases asistenciales: primera valoración (n=104), decisión postoperatoria (n=82) y seguimiento clínico (n=19). El grado de acuerdo se cuantificó mediante el índice Kappa de Cohen, y se realizó una regresión logística multivariante para identificar predictores independientes de discrepancia clínicamente relevante. La concordancia global fue casi perfecta (κ=0,873; p<0,001), aunque menor en la fase de seguimiento clínico (κ=0,61). Se identificaron 22 discrepancias en total, de las cuales 16 (7,8 %) fueron clínicamente relevantes. La inestabilidad de microsatélites (MSI) fue el predictor más potente de discrepancia en primeras valoraciones (OR: 7,20; p=0,04), seguida de la localización tumoral en recto (OR: 5,42; p=0,03). En la fase postoperatoria, la presencia de factores de riesgo cardiovascular y comorbilidad llevó al CM a priorizar la seguridad del paciente frente al protocolo estándar de la IA. Se concluye que, aunque la IA muestra una fiabilidad global excelente, actualmente no puede sustituir al CM. El juicio humano sigue siendo esencial en escenarios con biología molecular compleja, patología rectal y en la individualización terapéutica basada en la fragilidad del paciente.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.774 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.685 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 8.244 Zit.
BioBERT: a pre-trained biomedical language representation model for biomedical text mining
2019 · 6.898 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.