EUVIMEDEUVIMED entdecken
ValidierungsstudieVergleichsstudie

Reliability and validity of an artificial intelligence-assisted system for the detection of abnormalities in chest and bone radiographs in an emergency department

Raissa de Fátima Silva Afonso, Pilar Gallardo-Rodríguez, Begoña Espinosa, Alejandro Bautista, Javier Serrano, Mónica Veguillas, María Corell, Raúl Garrido Chamorro, Juan Arenas Jiménez, Celia Astor Rodríguez, Álvaro Abellón Fernández, Álvaro Palazón Ruíz de Tremiño und 13 weitere

Emergencias · 04.11.2025

DOI: 10.55633/s3me/093.2025 ↗

Kurz gefasst

Validierungsstudie in der Zeitschrift Emergencias, online erschienen am 04.11.2025. Verfasst von Raissa de Fátima Silva Afonso und 24 weiteren Autor:innen. Beteiligte Einrichtung: Servicio de Medicina Preventiva, Hospital General Doctor Balmis, Alicante, España. Instituto de Investigación Sanitaria y Biomédica de Alicante, ISAB…. Hauptthemen laut MEDLINE: Radiography, Thoracic, Emergency Service, Hospital, Artificial Intelligence, Bone and Bones. Die Arbeit wurde bisher 1-mal zitiert (Crossref).

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Introducción. Evaluar el rendimiento diagnóstico para la detección de anomalías de dos sistemas comerciales de inteligencia artificial (IA), ChestView para radiografías de tórax (RxT) y BoneView para radiografías óseas (RxO), en un servicio de urgencias hospitalario (SUH), y comparar su validez con la de observadores de diferente perfil profesional y experiencia: urgenciólogos, radiólogos en formación y radiólogos expertos. Método. Estudio de evaluación de pruebas diagnósticas en una selección aleatoria de 346 RxT y 261 RxO solicitadas en urgencias. Las exploraciones fueron analizadas de forma independiente por los sistemas de IA y los diferentes observadores. El diagnóstico de referencia (gold standard) fue establecido mediante consenso por tres radiólogos, recurriendo a otras pruebas de imagen disponibles o información clínica cuando era necesario. Se calcularon y compararon la sensibilidad, especificidad, y los valores predictivos positivo y negativo (VPN). Resultados. Para la RxT, la IA (ChestView) mostró una sensibilidad global (64,4%) significativamente superior a la de los médicos de urgencias (49,2%; p = 0,018), aunque inferior a la del radiólogo experto (83,9%; p < 0,001). El rendimiento fue notable para la detección de nódulos/masas (sensibilidad 80,0%) y neumotórax (VPN 99,7%), pero inferior para consolidaciones (sensibilidad 40,4%). Para RxO, la IA (BoneView) alcanzó una sensibilidad para la detección de fracturas (87,5%) superior a la del radiólogo experto (77,1%), con un VPN del 96,9%. Sin embargo, su rendimiento fue menor para la detección de luxaciones (sensibilidad 60,0%) y derrames articulares (sensibilidad 25,0%). Conclusión. Los sistemas de IA evaluados demuestran un rendimiento clínicamente relevante en el entorno de urgencias, y mejorar significativamente la capacidad diagnóstica de los urgenciólogos. Su elevada sensibilidad para la detección de fracturas y su elevado VPN para los nódulos pulmonares, neumotórax y fracturas hacen que se consolide como un sistema de seguridad de alto impacto

Schlagwörter

MeSH-Schlagwörter (MEDLINE)

Radiography, ThoracicEmergency Service, HospitalArtificial IntelligenceBone and BonesHumansReproducibility of ResultsSensitivity and SpecificityIntelligent SystemsObserver VariationRadiologistsClinical Competence

Stichwörter der Autor:innen

Artificial intelligenceBone radiographChest radiographEmergency medicineInteligencia artificialRadiografía de tóraxRadiografía óseaRadiologyRadiologíaUrgencias

Autor:innen und Institutionen

  • Servicio de Medicina Preventiva, Hospital General Doctor Balmis, Alicante, España. Instituto de Investigación Sanitaria y Biomédica de Alicante, ISABIAL, España.
  • Servicio de Urgencias, Unidad de Corta Estancia y Hospitalización a Domicilio, Hospital General Doctor Balmis, Alicante, España. Instituto de Investigación Sanitaria y Biomédica de Alicante, ISABIAL, España.
  • Servicio de Urgencias, Unidad de Corta Estancia y Hospitalización a Domicilio, Hospital General Doctor Balmis, Alicante, España.
  • Servicio de Radiodiagnóstico, Hospital General Doctor Balmis, Alicante, España. Instituto de Investigación Sanitaria y Biomédica de Alicante, ISABIAL, España.
  • Servicio de Radiodiagnóstico, Hospital General Doctor Balmis, Alicante, España.
  • Servicio de Medicina Preventiva, Hospital General Doctor Balmis, Alicante, España. Instituto de Investigación Sanitaria y Biomédica de Alicante, ISABIAL, España. Universidad de Alicante, Alicante, España.

Zitieren

APA

Silva Afonso, R. F., Gallardo-Rodríguez, P., Espinosa, B., Bautista, A., Serrano, J., Veguillas, M., Corell, M., Garrido Chamorro, R., Arenas Jiménez, J., Astor Rodríguez, C., Abellón Fernández, Á., Palazón Ruíz de Tremiño, Á., Garfias Baladrón, M. J., Marquina Arribas, V., Chico-Sánchez, P., Gras Valenti, P., Cabrer González, M., Martínez Riera, C., Moliner Mateu, D., …, & Llorens, P. (2025). Reliability and validity of an artificial intelligence-assisted system for the detection of abnormalities in chest and bone radiographs in an emergency department. Emergencias. https://doi.org/10.55633/s3me/093.2025

Vancouver

Silva Afonso RF, Gallardo-Rodríguez P, Espinosa B, Bautista A, Serrano J, Veguillas M, et al. Reliability and validity of an artificial intelligence-assisted system for the detection of abnormalities in chest and bone radiographs in an emergency department. Emergencias. 2025. doi:10.55633/s3me/093.2025

BibTeX
@article{SilvaAfonso2025,
  author = {Silva Afonso, Raissa de Fátima and Gallardo-Rodríguez, Pilar and Espinosa, Begoña and Bautista, Alejandro and Serrano, Javier and Veguillas, Mónica and Corell, María and Garrido Chamorro, Raúl and Arenas Jiménez, Juan and Astor Rodríguez, Celia and Abellón Fernández, Álvaro and Palazón Ruíz de Tremiño, Álvaro and Garfias Baladrón, María Javiera and Marquina Arribas, Víctor and Chico-Sánchez, Pablo and Gras Valenti, Paula and Cabrer González, Miguel and Martínez Riera, Carlos and Moliner Mateu, David and Salinas Serrano, José María and Vivancos Rubio, Emilio and Valdivieso Martínez, Bernardo and Concepción-Aramendia, Luis and Sanchez-Payá, José and Llorens, Pere},
  title = {Reliability and validity of an artificial intelligence-assisted system for the detection of abnormalities in chest and bone radiographs in an emergency department},
  journal = {Emergencias},
  year = {2025},
  doi = {10.55633/s3me/093.2025}
}
Kostenlos starten →