Rendimiento de los Modelos de IA en el Flujo de Trabajo de Diagnóstico Patológico Clínico

Este estudio se centra en la eficacia de los modelos de IA en el proceso diagnóstico de patología clínica. Participan 60 patólogos con diferentes niveles de experiencia y 2,000 pacientes que necesitan un diagnóstico patológico. El objetivo es comprender cómo la IA puede asistir en el análisis de imágenes de láminas completas, potencialmente mejorando la precisión y eficiencia del diagnóstico. Esto es importante porque podría ayudar a abordar los desafíos actuales en patología, como la alta carga de trabajo y la complejidad de los casos. Durante el estudio, los patólogos utilizan modelos de IA para ayudarlos a analizar imágenes de láminas completas. El resultado principal medido es el 'área bajo la curva ROC (AUC)', que es una medida de cómo los modelos de IA pueden distinguir entre diferentes resultados diagnósticos. Esto ayuda a evaluar el desempeño de los modelos de IA al asistir a los patólogos.