Los investigadores usan IA para detectar fracturas de muñeca
Resumen del proceso de detección de fracturas de escafoides, que consistía en una red neuronal convolucional (CNN) de segmentación y detección. Se calcula un mapa de activación de clase y se visualiza como un mapa de calor para la localización de fracturas. Crédito: Sociedad Radiológica de América del Norte
Un sistema automatizado que utiliza inteligencia artificial (IA) es eficaz para detectar un tipo común de fractura de muñeca en las radiografías, según un estudio publicado en la revista Radiology: Artificial Intelligence. Los investigadores dijeron que el algoritmo derivado de la IA podría ayudar a acelerar el diagnóstico y permitir un tratamiento más temprano.
Las fracturas de escafoides son lesiones en uno de los huesos pequeños de la muñeca que generalmente ocurren cuando las personas intentan amortiguar una caída con las manos. Comprenden hasta el 7% de todas las fracturas esqueléticas. El diagnóstico rápido es importante, ya que es posible que la fractura no cicatrice correctamente si no se trata, lo que genera una serie de problemas como artritis e incluso pérdida de la función.
La radiografía convencional es la técnica de imagen de elección para diagnosticar el escafoides. fracturas, pero a menudo está limitada por la superposición del escafoides con los huesos circundantes de la muñeca. Las variaciones en la posición de la muñeca y la técnica de rayos X también pueden limitar la visibilidad de las fracturas.
«En consecuencia, las fracturas de escafoides pueden pasarse por alto durante los exámenes iniciales de rayos X», dijo el autor principal del estudio, Nils Hendrix, Ph. D. candidato en el Hospital Jeroen Bosch y la Academia Jheronimus de Ciencias de la Información en los Países Bajos.
Hendrix y sus colegas estudiaron recientemente un sistema que podría ayudar a los radiólogos a detectar estas fracturas comunes. El sistema se basa en el aprendizaje profundo con una red neuronal convolucional, un tipo sofisticado de IA que es capaz de discernir patrones sutiles en imágenes más allá de las capacidades del ojo humano.
Gráfico de dispersión de la puntuación de confianza de la detección neuronal convolucional (CNN) frente a la puntuación de confianza media de los radiólogos por caso de fractura (n = 95) y caso sin fractura (n = 95) en el conjunto de datos 3. Los casos con fractura y sin fractura se marcan respectivamente con un color rojo y azul (verdad básica) . Los puntajes de confianza varían de 0 a 1, donde 1 significa certeza absoluta de que existe una fractura. Al lado del gráfico se muestran ejemplos de radiografías en las que la CNN y los radiólogos mostraron un alto desacuerdo: (a) hombre de 17 años con una fractura de escafoides proximal; (b) Varón de 21 años con fractura del polo distal del escafoides (lado radial y anterior); (c) mujer de 45 años con escafoides intacto con un lado radial levemente irregular; (d) Mujer de 13 años con escafoides intacto sin irregularidades. Crédito: Sociedad Radiológica de América del Norte
Si bien investigaciones anteriores encontraron que una red neuronal convolucional era inferior a los observadores humanos para identificar fracturas de escafoides en rayos X, el nuevo estudio utilizó conjuntos de datos más grandes y refinamientos de algoritmos adicionales para mejorar la detección. También empleó mapas de activación de clases, que son herramientas de IA que ayudan a los usuarios a comprender qué región de la imagen influye en las predicciones de la red.
Los investigadores utilizaron miles de radiografías convencionales de la mano, la muñeca y el escafoides para desarrollar el sistema. Lo probaron en un conjunto de datos de 190 radiografías y compararon su rendimiento con el de 11 radiólogos.
El sistema tenía una sensibilidad del 78 % para detectar fracturas con un valor predictivo positivo del 83 %, lo que se refiere a la probabilidad de que los pacientes que la IA identifica con una fractura realmente la tengan. El análisis mostró que el sistema funcionó de manera comparable a los 11 radiólogos.
El sistema tiene un potencial significativo en el uso clínico, dijo Hendrix. Podría reducir la incidencia y los costos de exámenes por imágenes adicionales y terapias innecesarias, acelerar el diagnóstico y permitir un tratamiento más temprano.
«El sistema puede ayudar a los residentes, radiólogos u otros médicos al actuar como un primer o como segundo lector, o como una herramienta de clasificación que ayuda a priorizar las listas de trabajo, reduciendo potencialmente el riesgo de pasar por alto una fractura», dijo Hendrix.
Ejemplos de mapas de activación de clase (CAM) para localizar fracturas. La interpretación de las CAM se deriva de la codificación de colores de un mapa de calor, en el que las regiones de píxeles con un color cálido significan una mayor influencia en la decisión final de la red que las regiones con un color frío. Las flechas amarillas proyectadas en las imágenes de entrada indican las líneas de fractura y solo se muestran como referencia. Crédito: Sociedad Radiológica de América del Norte.
Tal asistencia podría evitar el retraso en la terapia y reducir las complicaciones que pueden conducir a un resultado clínico insatisfactorio, según Hendrix.
«La red neuronal convolucional también puede reducir la inmovilización innecesaria de la muñeca , realizado por precaución, en más de la mitad de los pacientes con sospecha clínica de tener una fractura de escafoides», dijo.
Se encontró que los mapas de activación de clase se superponen con las líneas de fractura en el escafoides, lo que sugiere que podría usarse para localizar fracturas potenciales.
Hendrix y sus colegas planean expandir el sistema de detección de fracturas de escafoides para que pueda combinar múltiples vistas de rayos X para sus predicciones. También están realizando un estudio experimental en el que se les pide a los radiólogos que identifiquen fracturas de escafoides en radiografías con y sin la ayuda del sistema de detección de fracturas.
Los investigadores esperan extender el sistema a la detección de fracturas en otros estructuras óseas.
Explore más
‘Evite la cirugía’ para la mayoría de los casos de fractura de muñeca común en personas jóvenes, instan a los investigadores Más información: Nils Hendrix et al. Desarrollo y Validación de una Red Neuronal Convolucional para la Detección Automatizada de Fracturas de Escafoides en Radiografías Convencionales, Radiología: Inteligencia Artificial (2021). DOI: 10.1148/ryai.2021200260 Proporcionado por la Sociedad Radiológica de América del Norte Cita: Los investigadores usan IA para detectar fracturas de muñeca (28 de abril de 2021) consultado el 30 de agosto de 2022 en https://medicalxpress.com/news /2021-04-ai-wrist-fractures.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.