Una revisión sistemática y metaanálisis muestra que la inteligencia artificial (IA) puede detectar la tuberculosis (TB) a partir de grabaciones de tos con alta precisión. La sensibilidad combinada fue del 91 % y la especificidad del 89 %. Los autores lo ven como una herramienta de cribado potencialmente rentable y de fácil acceso para regiones con pocos recursos. El estudio se publicó en la revista Frontiers in Artificial Intelligence.
Antecedentes
La tuberculosis es la enfermedad infecciosa mortal más común en el mundo. Especialmente en países de ingresos bajos y medianos, a menudo faltan métodos de diagnóstico rápidos, económicos y fácilmente disponibles. La tos típica de la TB suena diferente a la tos de otras enfermedades. Por lo tanto, el análisis de grabaciones de tos asistido por IA podría representar un método de cribado no invasivo y escalable, especialmente con la ayuda de teléfonos inteligentes.
Método y resultados
Los investigadores evaluaron 14 estudios (principalmente de Asia y África) publicados entre 2009 y 2024. En siete estudios con datos suficientes para un metaanálisis, la IA alcanzó una sensibilidad combinada del 91 % (IC del 95 %: 88-94 %) y una especificidad del 89 % (IC del 95 %: 85-92 %). El área bajo la curva ROC (AUC) fue de 0,9539, un valor muy bueno.
Los modelos de aprendizaje profundo tuvieron un rendimiento ligeramente mejor (sensibilidad del 92 %, especificidad del 91 %) que los enfoques clásicos de aprendizaje automático. La mayoría de los estudios utilizaron características como los coeficientes cepstrales de frecuencia de Mel (MFCC) o espectrogramas y entrenaron modelos como ResNet, VGG o arquitecturas LSTM.
Evaluación de la calidad del estudio
A pesar de los buenos resultados estadísticos, la calidad metodológica de los estudios fue predominantemente limitada. Muchos estudios presentaron un alto riesgo de sesgo (especialmente en la selección de pacientes). La mayoría de las investigaciones fueron puramente validaciones analíticas en conjuntos de datos existentes y no se probaron en flujos de trabajo clínicos reales. Hasta ahora, faltan estudios multicéntricos prospectivos a gran escala con validación externa.
Además, la heterogeneidad entre los estudios fue alta y hubo indicios de sesgo de publicación (estudios más pequeños con mejores resultados estuvieron sobrerrepresentados).
Significado y perspectivas
Los resultados muestran que el análisis de la tos basado en IA podría ser fundamentalmente adecuado para el cribado temprano de la tuberculosis en regiones con pocos recursos, de forma rápida, económica y sin necesidad de equipo de laboratorio. Sin embargo, los autores advierten contra la adopción inmediata de la tecnología en programas de cribado. Antes de que un uso generalizado sea factible, deben realizarse estudios de validación clínica prospectivos en condiciones reales.
Preguntas frecuentes
¿Cómo funciona la detección de TB por IA a través de la tos?
La IA analiza las características acústicas de la tos (por ejemplo, patrones de frecuencia, evoluciones temporales) que pueden verse alteradas de forma característica en la tuberculosis.
¿Qué tan bueno es el método?
En el metaanálisis, alcanzó una sensibilidad del 91 % y una especificidad del 89 %. Esto es muy bueno para un método de cribado, pero en condiciones de estudio controladas.
¿Se puede hacer ya con el smartphone?
Técnicamente sí: muchos estudios utilizaron grabaciones de smartphones. Sin embargo, para su uso real aún faltan sistemas robustos y clínicamente validados.
¿Por qué el método es especialmente interesante para países pobres?
Sería muy económico, no invasivo y podría utilizarse también en regiones remotas sin infraestructura de laboratorio.
¿Cuándo podría llegar la tecnología a la práctica?
Los autores no la consideran aún madura para el uso rutinario. Se necesitan urgentemente estudios prospectivos multicéntricos con validación externa.
