Objetivos: Evaluar la utilidad clínica de un sistema de apoyo a la decisión basado en inteligencia artificial (IA) en una cohorte de pacientes atendidos en una consulta de endocrinología general no especializada (End). Analizar el grado de acuerdo en las características ecográficas definidas por el End, el IA y su posterior evaluación en una Consulta de Alta Resolución de Nódulo Tiroideo (UART).

Métodos: Estudio prospectivo en todos aquellos pacientes con ecografía de cribado en End de abril a diciembre 2023. Se recogieron datos clínicos, bioquímicos, imagen y de derivación a la UART. Posteriormente, se analizaron las imágenes obtenidas mediante el IA, así como por el endocrinólogo especialista de la UART.

Resultados: Se evaluaron un total de 102 pacientes (94,7% mujeres, edad media 59,7 ± 14,1años y diámetro máximo nodular 18,5 ± 11,4 mm). El End frente a la IA clasificaron los nódulos con un ACR TI-RADS < 3 en el 77 vs. 44%, y una puntuación media de 2,4 ± 2,0 vs. 3,2 ± 1,0 (p < 0,05), respectivamente. La categorización por ACR TI-RADS en composición, ecogenicidad y focos ecogénicos mostró diferencias significativas entre End y la IA. La End remitió al 30,7% de los pacientes a la UART frente al 37,3% recomendado por la IA (ns). La IA sobreestimó el riesgo un 31,9% al utilizar la clasificación ATA frente al ACR TI-RADS. Finalmente, un 63,6% de los casos derivados necesitaron PAAF. Al analizar el grado de acuerdo entre las características ecográficas definidas en la End y la UART frente a la IA, fue menor en la End (Kμ = 0,113 ± 0,086 vs. Kμ = 0,429 ± 0,314; p < 0,05). La correlación entre la puntuación ACR TI-RADS de End y la UART frente a la IA, encontró una correlación positiva menor para el End-IA (r = 0,337, p < 0,001) frente a la UART-IA (r = 0,465, p < 0,05).

Conclusiones: La IA no redujo el número de derivaciones a la UART y mostró una escasa concordancia con la valoración de End de bajo riesgo. Sin embargo, mostró un mejor rendimiento en aquellos nódulos de riesgo intermedio o alto derivados a UART.