Resumen

Introducción:

La resonancia magnética multiparamétrica (RMmp) con sistema PIRADS es esencial en la detección de cáncer de próstata. Sin embargo, la categoría PIRADS 3 constituye un grupo indeterminado, con riesgo de biopsias innecesarias y subdiagnóstico. La inteligencia artificial (IA) aplicada a la interpretación de imágenes podría mejorar la estratificación de riesgo. El objetivo fue evaluar el impacto de la reclasificación de PIRADS 3 mediante IA sobre la toma de decisiones clínicas.

Material y métodos:

Se incluyeron 129 pacientes con lesiones PIRADS 3 informadas por radiólogo en nuestro centro, todos sometidos a biopsia por fusión y/o prostatectomía radical. Se registraron PSA, densidad de PSA y hallazgos histológicos (ISUP). Posteriormente, las imágenes fueron reevaluadas mediante un software de IA que asignó un nuevo puntaje PIRADS. Se analizaron cambios de categoría (upgrade, downgrade, mantención) y su correlación con cáncer clínicamente significativo (CPCS, ISUP ≥2). El impacto clínico se evaluó en términos de biopsias potencialmente evitadas, detección de CPCS, índice de utilidad clínica y métricas diagnósticas.

Resultados:

La mediana de PSA fue 5.64 ng/mL y la densidad de PSA 0.13 ng/mL/cc. La reclasificación por IA mostró 58.1% de downgrade, 34.9% de upgrade y 7.0% de mantención. Con esta estrategia se podrían evitar hasta 62.7% de biopsias en PIRADS 3, aunque con pérdida de CPCS en 37.3% de los downgrades. En contraste, los pacientes reclasificados como upgrade presentaron 71.1% de CPCS, con una probabilidad cercana al 70% de enfermedad clínicamente significativa en este subgrupo. El índice de utilidad clínica global fue 0.658. Con un punto de corte PIRADS ≥4, la sensibilidad fue 48.5%, especificidad 79.4%, VPP 71.1% y VPN 59.5%, con una exactitud global de 63.6%. El área bajo la curva fue 0.667 (IC95%: 0.573–0.761).

Conclusión:

La IA apoya la decisión de biopsiar pacientes PIRADS 3, reduciendo procedimientos innecesarios y aumentando la certeza en la identificación de CPCS en los reclasificados como upgrade. En los downgrades, su uso debe interpretarse en el contexto clínico del paciente. Globalmente, la IA muestra un rendimiento diagnóstico moderado, con alta especificidad y VPP. Se requieren estudios prospectivos y multicéntricos para validar su implementación clínica.