El sistema basado en IA podría ayudar a clasificar las resonancias magnéticas cerebrales
Ejemplos de secuencias FLAIR axiales de estudios dentro del conjunto de datos A. De izquierda a derecha: un paciente con un cerebro «probablemente normal»; un paciente que presenta una hemorragia intraparenquimatosa en el lóbulo temporal derecho; un paciente que presenta un infarto agudo de la división inferior de la arteria cerebral media derecha; y un paciente con neurocisticercosis conocida que presenta una lesión quística redondeada en la circunvolución frontal media izquierda. Crédito: Sociedad Radiológica de América del Norte
Un sistema impulsado por inteligencia artificial que analiza automáticamente las resonancias magnéticas del cerebro en busca de anomalías podría acelerar la atención a quienes más lo necesitan, según un estudio publicado en Radiology: Artificial Intelligence.
La resonancia magnética produce imágenes detalladas del cerebro que ayudan a los radiólogos a diagnosticar diversas enfermedades y daños por eventos como un accidente cerebrovascular o una lesión en la cabeza. Su uso creciente ha llevado a una sobrecarga de imágenes que presenta una necesidad urgente de mejorar el flujo de trabajo radiológico. La identificación automática de hallazgos anormales en imágenes médicas ofrece una solución potencial, que permite mejorar la atención al paciente y acelerar el alta del paciente.
«Cada vez se realizan más resonancias magnéticas, no solo en el hospital sino también para pacientes ambulatorios , por lo que existe una necesidad real de mejorar el flujo de trabajo de radiología», dijo el coautor principal del estudio, Romane Gauriau, Ph.D., excientífico de aprendizaje automático en el Hospital General de Massachusetts y el Centro de Ciencia de Datos Clínicos del Hospital Brigham and Women’s en Boston. «Una forma de hacerlo es automatizar parte del proceso y también ayudar al radiólogo a priorizar los diferentes exámenes».
Dr. Gauriau, junto con el coautor Bernardo C. Bizzo, MD, Ph.D., y colegas, y en sociedad con Diagnosticos da America SA (DASA), una compañía de diagnóstico médico en Brasil, desarrolló un sistema automatizado para clasificar la resonancia magnética cerebral escanea como «probablemente normal» o «probablemente anormal». El enfoque se basa en una red neuronal convolucional (CNN), un tipo sofisticado de IA que permite que el modelo aprenda directamente de las imágenes.
Los investigadores entrenaron y validaron el algoritmo en tres grandes conjuntos de datos que suman más de 9000 exámenes recopilados de diferentes instituciones en dos continentes diferentes.
En las pruebas preliminares, el modelo mostró un rendimiento relativamente bueno para diferenciar exámenes probablemente normales o probablemente anormales. La prueba en un conjunto de datos de validación adquirido en un período de tiempo diferente y de una institución diferente a los datos utilizados para entrenar el algoritmo destacó la capacidad de generalización del modelo. Según el Dr. Gauriau, dicho sistema podría usarse como una herramienta de clasificación, con el potencial de mejorar el flujo de trabajo de radiología.
«El problema que estamos tratando de abordar es muy, muy complejo porque hay una enorme variedad de anormalidades en la resonancia magnética», dijo. «Demostramos que este modelo es lo suficientemente prometedor como para comenzar a evaluar si se puede usar en un entorno clínico».
Se ha demostrado que modelos similares mejoran significativamente el tiempo de respuesta para la identificación de anomalías en tomografías computarizadas de cabeza y tórax. Rayos X. El nuevo modelo tiene el potencial de beneficiar aún más la atención ambulatoria mediante la identificación de hallazgos incidentales. Un hallazgo incidental es una anomalía que no está relacionada con la razón por la que el médico ordenó la prueba.
«Digamos que se cayó y se golpeó la cabeza, luego fue al hospital y ordenaron una resonancia magnética del cerebro», dijo el Dr. Gauriau. . «Este algoritmo podría detectar si tiene una lesión cerebral por la caída, pero también puede detectar un hallazgo inesperado, como un tumor cerebral. Tener esa capacidad realmente podría ayudar a mejorar la atención al paciente».
El trabajo fue el primero de su tipo en aprovechar un conjunto de datos grande y clínicamente relevante y utilizar datos de resonancia magnética de volumen completo para detectar anomalías cerebrales generales. Los próximos pasos en la investigación incluyen evaluar la utilidad clínica del modelo y el valor potencial para los radiólogos. A los investigadores también les gustaría desarrollarlo más allá de los resultados binarios de «probablemente normal» o «probablemente anormal».
«De esta manera, no solo podríamos tener resultados binarios, sino quizás algo para caracterizar mejor los tipos de hallazgos, por ejemplo, si es más probable que la anomalía esté relacionada con un tumor o con una inflamación», dijo el Dr. Gauriau. «También podría ser muy útil con fines educativos».
Actualmente se está realizando una evaluación adicional en un entorno clínico controlado en Brasil con los colaboradores de investigación de DASA.
Explore más
Los radiólogos utilizan el aprendizaje profundo para encontrar signos de COVID-19 en radiografías de tórax Más información: Romane Gauriau et al. Un modelo basado en el aprendizaje profundo para detectar anomalías en la resonancia magnética cerebral para la clasificación: resultados preliminares de una experiencia en varios sitios, Radiología: inteligencia artificial (2021). DOI: 10.1148/ryai.2021200184 Proporcionado por la Sociedad Radiológica de América del Norte Cita: El sistema basado en IA podría ayudar a clasificar las resonancias magnéticas cerebrales (21 de abril de 2021) recuperado el 30 de agosto de 2022 de https://medicalxpress.com /news/2021-04-ai-based-triage-brain-mris.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.