Póster P-205 — Interpretabilidad en IA aplicada a mpMRI prostática: validación de mapas explicativos para apoyar la lectura clínica.
Resumen
Introducción
La aplicación clínica de modelos de inteligencia artificial (IA) en resonancia magnética multiparamétrica (mpMRI) de próstata no depende solo del rendimiento, sino de su capacidad para explicar de forma comprensible y anatómicamente coherente por qué clasifica un estudio como sospechoso de cáncer de próstata clínicamente significativo (csPCa). Este trabajo evalúa la utilidad de técnicas de interpretabilidad para facilitar su adopción como herramienta de apoyo (segundo lector).
Material y métodos
Se entrenó un modelo de aprendizaje profundo 3D (EfficientNet-B7) con segmentación prostática previa (nnUNet) y estrategias de agregación (ensamble ponderado y stacking con regresión logística) en un entorno multicéntrico (4700 sesiones de 16 centros de salud de la comunidad valenciana). La interpretabilidad se estudió con dos métodos complementarios: Occlusion Sensitivity (oclusiones sistemáticas para identificar la región anatómica/slice stack relevante) y Guided Backpropagation (mapas de saliencia para resaltar rasgos texturales finos asociados a lesión). Para validar la localización sin entrenamiento con segmentación explícita, se realizó un análisis post-hoc en 125 sesiones de 48 pacientes con “ground truth” mediante bounding boxes anotadas por urólogos expertos con apoyo radiológico.
Resultados
Los mapas explicativos mostraron coherencia clínica: la oclusión señaló de forma consistente la zona anatómica de interés (localización “zonal”), y la saliencia destacó patrones compatibles con lesión en las secuencias (localización “de características”), reforzando que el modelo prioriza regiones relevantes y no artefactos. En el subestudio de localización, se observó concordancia espacial de las explicaciones con la lesión en 110/125 sesiones (88%). Como contexto de aplicabilidad, el mejor modelo agregado alcanzó ROC-AUC 0,816 en el hold-out multicéntrico.
Conclusiones
La interpretabilidad basada en oclusión y saliencia aporta explicaciones complementarias y validadas frente a localización experta (88%), lo que favorece la confianza y su integración como apoyo a la lectura de mpMRI prostática en práctica clínica.