Uso de radiodiagnóstico en epidemias o pandemias

AUTORES

1. Juan Ángel Dalda Navarro. Técnico Superior en Imagen para el Diagnóstico y Medicina Nuclear. Hospital Universitario Miguel Servet (Zaragoza). España.
2. Ana Belén Navarro Martín. Técnico Superior en Imagen para el Diagnóstico y Medicina Nuclear. Hospital Obispo Polanco (Teruel). España.
3. Verónica Dalda Navarro. Enfermera Especialista en Salud Mental. CRP San Juan de Dios (Teruel). España.

RESUMEN

El radiodiagnóstico ha desempeñado un papel crucial en la identificación, seguimiento y manejo de enfermedades durante epidemias y pandemias, especialmente durante la pandemia de COVID-19. Técnicas de imagen como la radiografía de tórax y la tomografía computarizada (TC) permite detectar hallazgos clínicamente significativos y guiar decisiones terapéuticas. La integración de inteligencia artificial (IA) ha optimizado la interpretación de imágenes, aumentando la eficiencia y la precisión diagnóstica. Este artículo revisa el papel del radiodiagnóstico en escenarios epidémicos, evaluando sus beneficios, limitaciones y perspectivas futuras.

PALABRAS CLAVE

Radiodiagnóstico, epidemia, pandemia, COVID-19, tomografía computarizada, radiografía de tórax, inteligencia artificial.

ABSTRACT

Radiodiagnosis has played a crucial role in the identification, monitoring, and management of diseases during epidemics and pandemics, especially during the COVID-19 pandemic. Imaging techniques such as chest X-ray and computed tomography (CT) allow for the detection of clinically significant findings and guide therapeutic decisions. The integration of artificial intelligence (AI) has optimized image interpretation, increasing diagnostic efficiency and accuracy. This article reviews the role of radiodiagnosis in epidemic settings, assessing its benefits, limitations, and future prospects.

KEY WORDS

Radiodiagnosis, epidemic, pandemic, COVID-19, computed tomography, chest X-ray, artificial intelligence.

INTRODUCCIÓN

El radiodiagnóstico ha sido históricamente un pilar en la atención médica, proporcionando información fundamental para la detección, diagnóstico y seguimiento de múltiples enfermedades. Su relevancia se incrementa de manera exponencial durante epidemias y pandemias, cuando la necesidad de un diagnóstico rápido y preciso se convierte en un factor crítico para controlar la propagación de infecciones y optimizar los recursos hospitalarios^1,2. La detección temprana de patologías respiratorias permite implementar medidas de aislamiento, iniciar tratamientos adecuados y reducir la mortalidad, aspectos que resultan esenciales durante brotes de enfermedades de alta transmisibilidad, como la gripe H1N1 (2009), SARS (2003), MERS (2012) y COVID-19 (2019-2023)^3,4.

Durante las epidemias de SARS y MERS, el radiodiagnóstico jugó un papel fundamental en la identificación de los pacientes infectados y en la evaluación de la gravedad de la neumonía viral. En estos contextos, la radiografía de tórax permitió identificar infiltrados focales o bilaterales, mientras que la tomografía computarizada (TC) ofreció información detallada sobre la extensión de la afectación pulmonar y complicaciones como fibrosis o neumotórax^5,6. La experiencia adquirida en estas epidemias sentó las bases para la respuesta ante COVID-19, facilitando la rápida implementación de protocolos de imagen estandarizados en hospitales de todo el mundo^7,8.

La pandemia de COVID-19 evidenció la limitación de las pruebas moleculares durante los primeros días de infección. La reacción en cadena de la polimerasa (PCR), aunque altamente específica, presentó sensibilidad variable y retrasos en la obtención de resultados, generando un vacío crítico en la identificación temprana de casos. En este escenario, el radiodiagnóstico emergió como una herramienta complementaria indispensable. La radiografía de tórax, por su disponibilidad y rapidez, permitió cribados iniciales, mientras que la TC se consolidó como el estándar de referencia para evaluar la gravedad y progresión de la enfermedad, así como para identificar complicaciones pulmonares asociadas, tales como neumonía bilateral, consolidaciones y patrón en vidrio esmerilado^9,10.

La importancia del radiodiagnóstico durante epidemias no se limita únicamente al diagnóstico individual; también tiene impacto epidemiológico y de salud pública. La capacidad de identificar patrones de afectación pulmonar característicos permite a los profesionales de la salud y a las autoridades sanitarias monitorear la evolución de la epidemia, detectar brotes tempranos y planificar la asignación de recursos hospitalarios, incluyendo camas de unidades de cuidados intensivos, ventiladores y personal médico especializado^11,12. La recopilación sistemática de datos radiológicos durante COVID-19 ha generado grandes bases de datos que han permitido estudiar la correlación entre hallazgos de imagen y evolución clínica, contribuyendo a mejorar las estrategias de manejo clínico y a predecir desenlaces de los pacientes^13,14.

Otro aspecto relevante es la evolución tecnológica de las modalidades de imagen. Las técnicas de TC de alta resolución y las herramientas de reconstrucción tridimensional han permitido identificar lesiones pulmonares mínimas y evaluar la distribución espacial de la infección, facilitando la planificación de intervenciones terapéuticas y la estratificación de riesgo de manera precisa^15,16. De manera paralela, la radiografía digital y los sistemas PACS (Picture Archiving and Communication Systems) han optimizado la disponibilidad de imágenes, permitiendo que los radiólogos trabajen de manera remota, lo que se volvió crítico durante los confinamientos y la necesidad de minimizar la exposición del personal sanitario^17,18.

La inteligencia artificial (IA) representa un componente emergente de gran relevancia en el radiodiagnóstico durante epidemias y pandemias. Algoritmos de aprendizaje profundo han sido entrenados para reconocer patrones específicos de enfermedades virales en radiografías y TC, permitiendo no solo la detección temprana sino también la cuantificación objetiva de la extensión pulmonar afectada, lo que se correlaciona con la severidad clínica y el pronóstico del paciente^19,20. Estos sistemas han demostrado sensibilidad y especificidad comparables a la interpretación de radiólogos experimentados, y su implementación contribuye a reducir la carga de trabajo en contextos de alta demanda, un factor crítico durante los picos de infección^21,22.

Además, la integración de IA con plataformas de tele-radiología ha facilitado la colaboración entre centros hospitalarios y la optimización de recursos globales. Esto permite que hospitales con infraestructura limitada puedan recibir interpretación de imágenes a distancia, acelerando la toma de decisiones y garantizando una atención más equitativa, incluso en regiones con recursos sanitarios escasos^23,24. La combinación de IA, TC de alta resolución y tele-radiología representa un modelo de diagnóstico multidimensional que mejora significativamente la respuesta frente a epidemias y pandemias.

Finalmente, el radiodiagnóstico no solo ha demostrado ser un instrumento diagnóstico; también ha servido como herramienta de investigación y educación durante las pandemias. La documentación sistemática de hallazgos radiológicos ha permitido desarrollar guías clínicas y protocolos internacionales estandarizados, los cuales facilitan la capacitación de nuevos profesionales y la implementación de estrategias de manejo clínico basadas en evidencia^25,26. La experiencia acumulada en la pandemia de COVID-19 refuerza la necesidad de continuar fortaleciendo la infraestructura radiológica, desarrollar sistemas inteligentes de interpretación y consolidar redes de colaboración global para estar preparados frente a futuras emergencias sanitarias^27,28.

En resumen, la introducción del radiodiagnóstico en el manejo de epidemias y pandemias combina aspectos clínicos, tecnológicos, epidemiológicos y educativos. La capacidad de realizar un diagnóstico rápido, preciso y reproducible, sumada a las innovaciones tecnológicas y a la inteligencia artificial, convierte al radiodiagnóstico en una herramienta indispensable para enfrentar enfermedades de rápida propagación y alto impacto sanitario. Su papel se ha consolidado en la historia reciente y se proyecta como un componente estratégico clave para futuras crisis sanitarias^29,30.

OBJETIVOS

• Analizar el papel del radiodiagnóstico durante epidemias y pandemias recientes, con especial énfasis en COVID-19.
• Comparar la utilidad diagnóstica de radiografía de tórax o tomografía computarizada.
• Evaluar el impacto de la inteligencia artificial en la interpretación de imágenes en contextos de alta demanda.
• Proponer recomendaciones para la integración de técnicas de imagen en futuras emergencias sanitarias.

METODOLOGÍA

Se realizó una revisión narrativa de literatura basada en bases de datos como PubMed, Scopus y Web of Science, incluyendo artículos publicados entre 2003 y 2023. Se incluyeron estudios que abordarán el uso de radiodiagnóstico en epidemias respiratorias (SARS, MERS, COVID-19), informes de casos clínicos, revisiones sistemáticas y artículos sobre IA aplicada a imágenes médicas. La búsqueda utilizó los términos: «radiodiagnóstico», «pandemia», «epidemia», «COVID-19», «TC», «radiografía», «inteligencia artificial» y combinaciones de estos. La información extraída incluyó sensibilidad, especificidad, hallazgos radiológicos, ventajas, limitaciones y recomendaciones clínicas^7,8.

RESULTADOS

Radiografía de tórax:

La radiografía de tórax es una técnica rápida, económica y ampliamente disponible, utilizada como primer recurso en contextos de alta carga de pacientes. En COVID-19, la radiografía identificó infiltrados bilaterales periféricos en el 69–80% de los casos moderados a graves, aunque su sensibilidad fue limitada en fases tempranas^9,10. Además, permitió monitorizar complicaciones como derrames pleurales y atelectasias¹¹. Su principal limitación es la menor resolución comparada con la TC, con riesgo de falsos negativos en afectaciones iniciales¹².

Tomografía computarizada:

La TC de alta resolución (TCAR) demostró sensibilidad superior a la radiografía, llegando al 97–98% en la identificación de hallazgos compatibles con COVID-19, como vidrio esmerilado bilateral, consolidaciones periféricas y patrón en empedrado^13,14. La TC permitió detectar la enfermedad antes de la PCR positiva, facilitando decisiones clínicas tempranas^15,16 y cuantificar la extensión pulmonar, lo que se asocia con pronóstico y necesidad de ventilación mecánica¹⁷. La limitación principal es la exposición a radiación y la necesidad de equipos especializados¹⁸.

Inteligencia artificial:

La IA optimizó la interpretación de radiografías y TC, mostrando sensibilidad y especificidad comparables a radiólogos experimentados^19,20. Permite priorizar estudios urgentes, reduciendo la carga de trabajo y acelerando la toma de decisiones clínicas²¹. Su implementación requiere validación clínica continua y adaptación a cada población y equipo²².

Experiencia internacional:

Durante epidemias previas como SARS y MERS, la radiografía permitió identificar infiltrados tempranos y la TC evaluar extensión y complicaciones, facilitando la planificación terapéutica^23,24. La experiencia acumulada sentó las bases para protocolos estandarizados en COVID-19²⁵.

DISCUSIÓN

El radiodiagnóstico ha sido un pilar en la respuesta sanitaria durante epidemias, combinando cribado rápido con radiografía y diagnóstico preciso con TC. La IA potencia la eficiencia y reduce errores humanos²⁶. Es fundamental establecer protocolos estandarizados, capacitar al personal y evaluar la relación costo-beneficio, especialmente en contextos de recursos limitados²⁷. La experiencia de COVID-19 demuestra que la integración de estas herramientas mejora la atención clínica y la planificación hospitalaria ante futuras emergencias²⁸.

CONCLUSIONES

• El radiodiagnóstico es esencial en epidemias y pandemias, especialmente para enfermedades respiratorias como COVID-19, SARS y MERS.
• La radiografía de tórax es útil como cribado inicial y seguimiento, mientras que la TC proporciona diagnóstico detallado y evaluación pronóstica.
• La IA mejora la interpretación de imágenes, optimizando tiempos y precisión diagnóstica.
• Es necesario fortalecer la infraestructura radiológica, capacitar al personal y establecer protocolos claros para futuras emergencias.

BIBLIOGRAFÍA

1. Peiris JS, Lai ST, Poon LL, Guan Y, Yam LY, Lim W, et al. Coronavirus as a possible cause of severe acute respiratory syndrome. Lancet. 2003;361(9366):1319–25.
2. Zaki AM, van Boheemen S, Bestebroer TM, Osterhaus ADME, Fouchier RAM. Isolation of a novel coronavirus from a man with pneumonia in Saudi Arabia. N Engl J Med. 2012;367:1814–20.
3. Ai T, Yang Z, Hou H, Zhan C, Chen C, Lv W, et al. Correlation of chest CT and RT-PCR testing in COVID-19 in China: a report of 1014 cases. Radiology. 2020;296(2):E32–40.
4. Fang Y, Zhang H, Xie J, Lin M, Ying L, Pang P, et al. Sensitivity of chest CT for COVID-19: comparison to RT-PCR. Radiology. 2020;296(2):E115–7.
5. Ooi GC, Khong PL, Müller NL, Yiu WC, Zhou LJ, Ho JC, et al. Severe acute respiratory syndrome: temporal lung changes at thin-section CT in 30 patients. Radiology. 2004;230(3):836–44.
6. Das KM, Lee EY, Al Jawder SE, Enani MA, Singh R, Bashir S, et al. Follow-up chest radiographic findings in patients with MERS-CoV after recovery. Indian J Radiol Imaging. 2015;25(4):475–83.
7. Rubin GD, Ryerson CJ, Haramati LB, Sverzellati N, Kanne JP, Raoof S, et al. The role of chest imaging in patient management during the COVID-19 pandemic: a multinational consensus statement from the Fleischner Society. Radiology. 2020;296(1):172–80.
8. Kanne JP, Little BP, Chung JH, Elicker BM, Ketai LH. Essentials for radiologists on COVID-19: an update – Radiology Scientific Expert Panel. Radiology. 2020;296(2):E113–4.
9. Wong HYF, Lam HYS, Fong AH, Leung ST, Chin TWY, Lo CSY, et al. Frequency and distribution of chest radiographic findings in COVID-19 positive patients. Radiology. 2020;296(2):E72–8.
10. Toussie D, Voutsinas N, Finkelstein M, Cedillo MA, Manna S, Maron SZ, et al. Clinical and chest radiography features determine patient outcomes in young and middle-aged adults with COVID-19. Radiology. 2020;297(1):E197–206.
11. Colombi D, Bodini FC, Petrini M, Maffi G, Morelli N, Milanese G, et al. Well-aerated lung on admitting chest CT to predict adverse outcome in COVID-19 pneumonia. Radiology. 2020;296(2):E86–96.
12. Revel MP, Parkar AP, Prosch H, Silva M, Sverzellati N, Gleeson F, et al. COVID-19 patients and the radiology department – advice from the European Society of Radiology (ESR) and the European Society of Thoracic Imaging (ESTI). Eur Radiol. 2020;30:4903–9.
13. Li L, Qin L, Xu Z, Yin Y, Wang X, Kong B, et al. Artificial intelligence distinguishes COVID-19 from community acquired pneumonia on chest CT. Radiology. 2020;296(2):E65–71.
14. Bai HX, Wang R, Xiong Z, Hsieh B, Chang K, Halsey K, et al. AI augmentation of radiologist performance in distinguishing COVID-19 from pneumonia of other etiology on chest CT. Radiology. 2020;296(3):E156–65.
15. Pan F, Ye T, Sun P, Gui S, Liang B, Li L, et al. Time course of lung changes on chest CT during recovery from 2019 novel coronavirus (COVID-19) pneumonia. Radiology. 2020;295(3):715–21.
16. Shi F, Wang J, Shi J, Wu Z, Wang Q, Tang Z, et al. Review of artificial intelligence techniques in imaging data acquisition, segmentation and diagnosis for COVID-19. IEEE Rev Biomed Eng. 2021;14:4–15.
17. European Society of Radiology (ESR). ESR recommendations on the use of imaging in COVID-19 patients. Insights Imaging. 2020;11:123.
18. Hope MD, Raptis CA, Henry TS. Chest computed tomography for detection of coronavirus disease 2019 (COVID-19): don’t rush the science. Ann Intern Med. 2020;173(6):482–3.
19. Harmon SA, Sanford TH, Xu S, Turkbey EB, Roth H, Xu Z, et al. Artificial intelligence for the detection of COVID-19 on chest CT using multinational datasets. Nat Commun. 2020;11:4080.
20. Roberts M, Driggs D, Thorpe M, Gilbey J, Yeung M, Ursprung S, et al. Common pitfalls and recommendations for using machine learning to detect and prognosticate for COVID-19 using chest radiographs and CT scans. Nat Mach Intell. 2021;3:199–217.
21. Simpson S, Kay FU, Abbara S, Bhalla S, Chung JH, Chung M, et al. Radiological Society of North America Expert Consensus Statement on Reporting Chest CT Findings Related to COVID-19. Radiology: Cardiothoracic Imaging. 2020;2(2):e200152.
22. Mushtaq J, Pennella R, Lavalle S, Colarieti A, Steidler S, Rotondo C, et al. Initial chest radiographs and artificial intelligence (AI) predict clinical outcomes in COVID-19 patients: a multicenter study. Radiol Med. 2021;126:169–78.
23. Inui S, Fujikawa A, Jitsu M, Kunishima N, Watanabe S, Suzuki Y, et al. Chest CT findings in cases from the cruise ship “Diamond Princess” with COVID-19. Radiology: Cardiothoracic Imaging. 2020;2(2):e200110.
24. Fang Y, Zhang H, Xie J, Lin M, Ying L, Pang P, et al. Sensitivity of chest CT for COVID-19: comparison to RT-PCR. Radiology. 2020;296(2):E115–7.
25. Moher D, Liberati A, Tetzlaff J, Altman DG. Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement. PLoS Med. 2009;6(7):e1000097.
26. Wynants L, Van Calster B, Bonten MMJ, Collins GS, Debray TPA, De Vos M, et al. Prediction models for diagnosis and prognosis of COVID-19: systematic review and critical appraisal. BMJ. 2020;369:m1328.
27. Kanne JP, Little BP, Chung JH, Elicker BM, Ketai LH. Essentials for radiologists on COVID-19: an update – Radiology Scientific Expert Panel. Radiology. 2020;296(2):E113–4.
28. Bernheim A, Mei X, Huang M, Yang Y, Fayad ZA, Zhang N, et al. Chest CT findings in coronavirus disease-19 (COVID-19): relationship to duration of infection. Radiology. 2020;295(3):200463.
29. Ai T, Yang Z, Hou H, Zhan C, Chen C, Lv W, et al. Correlation of chest CT and RT-PCR testing in COVID-19 in China: a report of 1014 cases. Radiology. 2020;296(2):E32–40.
30. Rubin GD, Ryerson CJ, Haramati LB, Sverzellati N, Kanne JP, Raoof S, et al. The role of chest imaging in patient management during the COVID-19 pandemic: a multinational consensus statement from the Fleischner Society. Radiology. 2020;296(1):172–80.