Las mismas imágenes, informes distintos
Un estudio publicado en el Journal of the American College of Radiology (JACR) puso cifras a algo que casi todo coordinador de servicio sospecha pero rara vez mide: la tasa de falsos positivos en el cribado de cáncer de pulmón con tomografía de baja dosis varía del 11% al 22% entre radiólogos. En pares de lectores elegidos al azar, uno de los dos tenía en promedio el doble de probabilidad de señalar un hallazgo sospechoso que luego resultaba inofensivo. Las imágenes son las mismas. La pregunta clínica es la misma. Lo que cambia es quién informa.
Qué midió el estudio del JACR
Los investigadores partieron de una base amplia: 1.400 radiólogos, cada uno con al menos 50 estudios de cribado por tomografía de baja dosis (LDCT, por sus siglas en inglés), unos 200.000 exámenes en total. Ese mínimo de 50 lecturas por profesional no es un detalle metodológico irrelevante: elimina al lector ocasional, cuya tasa oscilaría por puro azar de muestreo, y deja en el cálculo solo a quienes tienen volumen suficiente para que la tasa observada refleje una conducta real de lectura.
A partir de ahí, el grupo calculó tasas de falsos positivos por separado para los estudios de línea de base (el primer examen de cada participante) y para los de seguimiento. La distinción tiene sentido clínico: en el inicial todo es nuevo y cada nódulo debe caracterizarse; en el seguimiento el lector ya cuenta con comparación temporal y puede juzgar estabilidad. Aun así, la dispersión apareció en ambas situaciones.
El siguiente hallazgo es el que da densidad al trabajo. Los radiólogos con tasa de falsos positivos por encima de la mediana también tenían mayor sensibilidad: 97% frente al 92% de los colegas por debajo de la mediana. Es decir, el lector «alarmista» no se estaba equivocando sin más: estaba detectando más cáncer. Eso desplaza la discusión de la competencia hacia la calibración. No hay lectores buenos y malos, sino umbrales de sospecha distintos.
La paradoja de 100 alarmas por un cáncer
Esta es la cifra que debería circular en toda reunión de cribado: en los estudios de línea de base leídos por radiólogos con tasa de falsos positivos por debajo de la mediana habría unos 100 estudios falsos positivos menos por cada cáncer verdadero no detectado. Cien alarmas evitadas al precio de un diagnóstico perdido.
¿Cuál de los dos escenarios es preferible? La respuesta no es técnica, es de valores, y probablemente cambia según quién responda. Para la persona que recibe una llamada de retorno, repite el estudio, espera tres meses y descubre que era una cicatriz, el costo es ansiedad, tiempo y exposición adicional. Para la persona cuyo nódulo pasó desapercibido, el costo puede ser la vida. La mayoría de los pacientes, ante esa elección, acepta la falsa alarma. Los sistemas de salud, que pagan la cascada de exámenes y procedimientos posteriores, tienden a razonar distinto.
Conviene recordar que un falso positivo en cribado pulmonar rara vez implica una biopsia inmediata. Suele significar reclasificación a Lung-RADS 3 o 4A, una tomografía de control a los tres o seis meses y, en una fracción de casos, PET/CT o punción. El daño es real pero difuso: algo de ansiedad, algo de dosis acumulada, algo de agenda ocupada. Justo el tipo de costo que se acumula sin aparecer en ningún indicador.
Por qué la mamografía enfrentó esto antes
La participación en el cribado pulmonar crece —de cifras de un dígito hace una década al 19% en un relevamiento reciente—, pero sigue lejos del 75% aproximado del cribado mamario. Esa diferencia de madurez explica bastante. La mamografía ya atravesó el problema de la variabilidad entre lectores y construyó respuestas: programas de estandarización de la interpretación, sistemas de retroalimentación automatizada que devuelven indicadores individuales a cada lector, intervenciones educativas dirigidas y doble lectura selectiva en los casos de mayor incertidumbre.
Los autores del JACR proponen exactamente ese camino para la LDCT. La recomendación parece modesta y es exigente en la práctica, porque implica medir el desempeño individual de cada lector y devolverle ese número, algo que los servicios suelen evitar por fricción interna. La experiencia de la mamografía muestra que funciona y también que solo funciona cuando el dato vuelve como herramienta de calibración y no como ranking punitivo.
Hay un paralelo directo con el esfuerzo por estandarizar métricas de imagen en el resto de la tomografía. La propuesta de una escala de cinco estrellas para evaluar la calidad de imagen en TC nace del mismo diagnóstico: donde no hay escala común, sobra opinión. Y cabe señalar que la técnica ya hizo su parte: la dosis media en TC bajó cerca del 22% en una década en Estados Unidos, con reconstrucción iterativa y modulación automática de corriente. El cuello de botella se mudó del equipo a la interpretación.
Qué puede hacer el servicio de imagen
Para quien coordina un programa de cribado, tres medidas no requieren inversión nueva. Primera, medir: extraer del RIS o del PACS la distribución de Lung-RADS por lector y calcular la tasa de retorno de cada uno. Sin ese número, cualquier discusión sobre calibración es anecdótica. Segunda, comparar con una referencia externa: la banda del 11% al 22% del estudio ofrece un intervalo plausible para ubicar al propio servicio. Tercera, instituir doble lectura dirigida y no universal: revisar en conjunto solo los casos clasificados como 3 y 4A, donde se concentra el desacuerdo.
Hay además una ganancia de eficiencia que suele pasar inadvertida. Cada retorno evitado es un turno de tomógrafo liberado y un informe menos en la cola, y la cola es el problema estructural de la radiología contemporánea, como muestra el dato de que el tiempo de informe en radiología creció 177% en una década en Estados Unidos. Calibrar el umbral de sospecha no es solo calidad asistencial: es gestión de capacidad.
Límites y lo que viene
El estudio es retrospectivo y observacional, y nada en él demuestra que estandarizar la lectura mejore la mortalidad. Tampoco separa cuánto de la variabilidad viene del lector y cuánto del contexto en que trabaja: protocolo de adquisición, calidad del equipo, disponibilidad de estudios previos para comparar, presión de productividad. Un radiólogo sin antecedentes en el PACS es estructuralmente más propenso a llamar sospechoso a un nódulo, y eso es un problema de interoperabilidad, no de calibración.
La próxima frontera previsible es la IA como segunda opinión de triaje, con la promesa de estrechar la dispersión entre lectores al ofrecer una referencia cuantitativa de volumetría y crecimiento nodular. La promesa es sólida y la evidencia todavía es joven. Mientras madura, el instrumento disponible sigue siendo el más antiguo de la medicina: medir lo que se hace, compararlo con los pares y ajustar. El estudio del JACR no resuelve la tensión entre detectar más y alarmar menos: solo le pone precio. Cien a uno.
Fuente: The Imaging Wire
