Además, fija explícitamente que la recomendación es condicional, lo que implica la generación de nueva evidencia bajo condiciones de uso monitorizadas dentro del NHS. Este criterio se alinea con la evolución regulatoria británica en materia de software como dispositivo médico, la adopción progresiva de esquemas de evidencia de mundo real y el interés de las agencias en obtener datos poscomercialización robustos que permitan estimar el impacto de estas tecnologías en eficacia diagnóstica, carga de trabajo, resultados poblacionales y coste-efectividad.
La necesidad clínica y técnica de asistencia algorítmica en colonoscopia
La colonoscopia es la herramienta central en los programas de cribado y diagnóstico de cáncer colorrectal. Los avances en la calidad de imagen, la optimización de las plataformas endoscópicas y la estandarización de la técnica han contribuido a disponer de mejoras sustanciales en las tasas de detección de adenomas. Sin embargo, persisten variaciones relevantes incluso dentro de la misma institución, en indicadores clave como la tasa de detección de adenoma. La literatura especializada ha demostrado que incrementos modestos en la tasa de detección de adenoma se asocian a reducciones significativas en la incidencia y mortalidad del cáncer colorrectal de intervalo, lo que convierte la variabilidad en la práctica clínica en un aspecto crítico desde la perspectiva de salud pública.
La inteligencia artificial aplicada a la colonoscopia, concretamente los sistemas de detección asistida por computadora basados en aprendizaje profundo (deep learning en inglés), se propone como un mecanismo para reducir esa variabilidad. Los algoritmos se entrenan con millones de fotogramas endoscópicos y secuencias de vídeo que han sido anotadas por expertos, con el objetivo de identificar patrones compatibles con pólipos, adenomas y otras lesiones mucosas. Durante la colonoscopia, actúan en paralelo a la visión del endoscopista, señalando en pantalla, mediante cajas o resaltados, regiones sospechosas. La función no sustituye la decisión clínica, pero sí incrementa la sensibilidad de detección, especialmente en lesiones planas o sutiles, cuya visibilidad depende en ocasiones de la experiencia del operador y de las condiciones del procedimiento.
A pesar del avance en investigación clínica, la adopción de estos sistemas en la práctica asistencial había sido limitada por varias razones.
Los estudios disponibles, aunque numerosos, procedían en su mayoría de centros con alto volumen y con amplia experiencia en investigación clínica, lo que dejaba dudas sobre la generalizabilidad de los resultados. Además, persistían interrogantes regulatorios sobre la evaluación comparativa de tecnologías de inteligencia artificial con actualizaciones continuas de software, un fenómeno característico del machine learning adaptativo. Asimismo, los modelos económicos demandaban una mayor claridad, porque la mejora de la tasa de detección de adenoma puede traducirse en beneficios poblacionales a medio plazo, pero genera un aumento a corto plazo del número de pólipos resecados, del tiempo de análisis patológico y de la carga organizativa del sistema.
En este contexto, la decisión del NICE aporta un marco metodológico para ordenar los elementos necesarios para una integración responsable, escalable y evaluable.
Metodología y criterios empleados por el NICE
NICE estructuró su evaluación a través de su programa de tecnologías médicas y digitales, en coordinación con expertos clínicos, economistas de la salud y representantes del NHS. El proceso combinó una revisión de la evidencia clínica publicada, análisis técnico de cada dispositivo, comparación transversal entre productos, evaluación económica preliminar y juicio de valor basado en aplicabilidad real dentro del sistema sanitario.
Aunque cada una de las cinco tecnologías tiene características particulares -diferentes arquitecturas de red neuronal, diversas latencias en el procesamiento del vídeo, integración específica con plataformas endoscópicas o entrenamiento con conjuntos de datos propietarios-, NICE articuló una metodología uniforme que permitió establecer un terreno común de análisis.
El eje clínico se centró en la sensibilidad y especificidad para la detección de pólipos, la mejora relativa de la tasa de detección de adenomas con respecto a la colonoscopia convencional y la ausencia de efectos adversos derivados del uso del sistema.
En estudios europeos y asiáticos, varias de estas tecnologías habían mostrado incrementos de la tasa de detección de adenomas de entre 6 y 15 puntos porcentuales. Sin embargo, NICE enfatizó que la magnitud del impacto clínico debía interpretarse a la luz de la heterogeneidad de los diseños de estudio, del tiempo de retirada del colonoscopio y de la pericia individual de los endoscopistas. Esta matización fue muy importante: aunque la mejora existe, la estimación puntual de la magnitud no puede extrapolarse de forma directa a todos los entornos del NHS.
En el plano económico, NICE elaboró modelos orientativos que relacionan la mejora de la tasa de detección de adenomas con la reducción futura del cáncer colorrectal de intervalo, integrando efectos diferidos en términos de tratamientos evitados, hospitalizaciones y carga sociosanitaria. Aunque los modelos sugerían que las tecnologías pueden ser coste-efectivas, la incertidumbre sobre la transferencia de los beneficios al entorno nacional requería, a juicio del instituto, una generación adicional de datos en condiciones de práctica clínica real. Por ello, optó por una recomendación condicional basada en la premisa de que la recopilación sistemática de datos permitirá refinar parámetros económicos y clínicos a posteriori.
La evaluación también consideró aspectos organizativos: impacto en los flujos asistenciales, tiempo de procedimiento, requisitos de formación, necesidad de supervisión adicional y costes asociados a mantenimiento y actualizaciones. NICE subrayó que estos factores deben medirse de forma empírica durante la fase de uso monitorizado, porque la evidencia actual, aunque prometedora, proviene mayoritariamente de ensayos controlados.
