La inteligencia artificial ayuda a detectar aneurismas cerebrales en la angiografía por tomografía computarizada

EP | 03/11/2020

La inteligencia artificial ayuda a detectar aneurismas cerebrales en una angiografía por tomografía computarizada. - RADIOLOGICAL SOCIETY OF NORTH AMERICA

Un tipo poderoso de inteligencia artificial conocido como aprendizaje profundo puede ayudar a los médicos a detectar aneurismas cerebrales potencialmente mortales en la angiografía por tomografía computarizada (TC), según un estudio publicado en la revista 'Radiology'.

Los aneurismas cerebrales son áreas debilitadas de los vasos sanguíneos del cerebro. Si no se tratan, pueden filtrarse o romperse, con resultados a veces fatales. La detección y caracterización de estos aneurismas es fundamental, ya que el riesgo de rotura depende del tamaño, la forma y la ubicación del aneurisma.

La angiografía por TC suele ser la primera opción para evaluar los aneurismas cerebrales. El examen es muy preciso, pero los aneurismas cerebrales pueden pasarse por alto en la evaluación inicial debido a su pequeño tamaño y la complejidad de los vasos sanguíneos del cerebro.

"En nuestro trabajo diario, siempre nos enfrentamos a casos en los que el ojo humano ha pasado por alto algunas lesiones importantes --explica el autor principal del estudio, Xi Long, del Departamento de Radiología del Hospital Union del Tongji Medical College, en Wuhan (China)--. Los aneurismas cerebrales se encuentran entre esas pequeñas lesiones que pueden pasarse por alto en la evaluación de rutina de las imágenes radiológicas".

El aprendizaje profundo ofrece un enorme potencial como herramienta complementaria para una interpretación más precisa de los aneurismas cerebrales. Un sistema de aprendizaje profundo se entrena con imágenes existentes y aprende a reconocer anomalías que pueden ser difíciles de ver para un observador humano. En radiología, el aprendizaje profundo se ha utilizado recientemente en una variedad de funciones para ayudar a los radiólogos, como en la detección de tuberculosis en radiografías de tórax.

En el nuevo estudio, el doctor Long y sus colegas desarrollaron un algoritmo altamente sensible y totalmente automatizado para la detección de aneurismas cerebrales en imágenes de angiografía por TC. Utilizaron angiogramas por TC de más de 500 pacientes para entrenar el sistema de aprendizaje profundo, y luego lo probaron en otros 534 angiogramas por TC que incluían 649 aneurismas.

El algoritmo detectó 633 de los 649 aneurismas cerebrales para una sensibilidad del 97,5%. También encontró ocho nuevos aneurismas que se pasaron por alto en la evaluación inicial.

El análisis estadístico reveló que la asistencia al aprendizaje profundo mejoró el desempeño de los radiólogos. La mejora fue más pronunciada en los radiólogos menos experimentados.

"El sistema de aprendizaje profundo desarrollado ha demostrado un rendimiento excelente en la detección de aneurismas --destaca el doctor Long--. Encontramos algunos aneurismas que los lectores humanos pasaron por alto en los informes iniciales, pero el sistema de aprendizaje profundo los describió con éxito".

Los resultados sugieren que el algoritmo de aprendizaje profundo es prometedor como herramienta de apoyo para la detección de aneurismas cerebrales con el potencial de usarse clínicamente para obtener una segunda opinión durante la interpretación de imágenes de angiografía por TC de cabeza.

Tiene una serie de ventajas en este entorno, continúa el doctor Long, principalmente debido al hecho de que la computadora no se ve influenciada por factores como el nivel de experiencia, el tiempo de trabajo y el estado de ánimo que afectan el desempeño humano.

El sistema tiene algunas limitaciones, reconoce, ya que puede pasar por alto aneurismas muy pequeños o aneurismas ubicados cerca de estructuras de densidad similar como los huesos. También sufre de resultados falsos positivos, lo que significa que identifica erróneamente estructuras similares a los aneurismas como aneurismas, lo que requiere una revisión cuidadosa de las sugerencias del sistema por parte de lectores humanos.

"En pocas palabras, el sistema de aprendizaje profundo está destinado a ayudar a los lectores humanos, no a reemplazarlos", precisa Long.
El sistema necesita una mayor validación en datos más heterogéneos, como imágenes de personas en diferentes partes del mundo, lo cual es esencial para evaluar su generalización y aplicabilidad al trabajo clínico diario.

"En este momento, el papel de este sistema de aprendizaje profundo, que ha sido entrenado para reconocer aneurismas, es brindar sugerencias al lector humano para mejorar su desempeño y reducir errores --apunta el doctor Long--. El trabajo combinado del lector humano y el sistema informático mejora la precisión del diagnóstico por el bien del paciente".

Sentimiento general

Si te equivocas de voto, puedes desmarcarlo volviendo a hacer clic en el voto erróneo.
0
Comentarios

Hola!, escribe un comentario para esta noticia.Comentar


Lo más visto de la semana
Lo más comentado de la semana