Modelo de aprendizaje profundo (azul) y segmentaci\u00f3n manual de datos b\u00e1sicos (verde) de im\u00e1genes de RM potenciadas en T2 de control representativo (izquierda) e hidrocefalia (derecha). Cr\u00e9dito: (c) 2020 AANS. <\/p>\n
Investigadores de varias instituciones de Am\u00e9rica del Norte han desarrollado una herramienta cl\u00ednica de inteligencia artificial de aprendizaje profundo (DL) totalmente automatizada que puede medir el volumen de los ventr\u00edculos cerebrales en im\u00e1genes de resonancia magn\u00e9tica (IRM) en ni\u00f1os en unos 25 minutos. La capacidad de rastrear el volumen ventricular a lo largo del tiempo en un entorno cl\u00ednico resultar\u00e1 invaluable en el tratamiento de ni\u00f1os y adultos con hidrocefalia. Los detalles sobre el desarrollo de la herramienta y su validaci\u00f3n se informan hoy en un nuevo art\u00edculo, \u00abInteligencia artificial para la segmentaci\u00f3n autom\u00e1tica del ventr\u00edculo cerebral y el c\u00e1lculo del volumen: una herramienta cl\u00ednica para la evaluaci\u00f3n de la hidrocefalia pedi\u00e1trica\u00bb, por Jennifer L. Quon, MD, y colegas, en el Journal of Neurosurgery: Pediatrics. <\/p>\n
La hidrocefalia es una condici\u00f3n patol\u00f3gica causada por una cantidad excesiva de l\u00edquido cefalorraqu\u00eddeo (LCR) en las c\u00e1maras del cerebro conocidas como ventr\u00edculos. La condici\u00f3n resulta de un desequilibrio entre la producci\u00f3n y la absorci\u00f3n de LCR. La hidrocefalia se denomina \u00abcomunicante\u00bb cuando el LCR puede pasar de un ventr\u00edculo a otro y \u00abobstructiva\u00bb cuando se bloquea el paso de un ventr\u00edculo a otro. La prevalencia de hidrocefalia pedi\u00e1trica es de aproximadamente seis de cada 10.000 nacidos vivos. Se le ha llamado \u00abel problema neurol\u00f3gico corregible quir\u00fargicamente m\u00e1s com\u00fan en beb\u00e9s, ni\u00f1os y adolescentes\u00bb.<\/p>\n
El diagn\u00f3stico de hidrocefalia se basa en los signos y s\u00edntomas cl\u00ednicos, as\u00ed como en los hallazgos de ventr\u00edculos agrandados en estudios de neuroimagen. La colocaci\u00f3n de una derivaci\u00f3n (un sistema de drenaje interno que drena el exceso de LCR del cerebro) es el procedimiento quir\u00fargico m\u00e1s com\u00fan que se realiza para reducir la hidrocefalia. Despu\u00e9s de la cirug\u00eda, los pacientes deben ser monitoreados peri\u00f3dicamente para garantizar que la derivaci\u00f3n contin\u00fae funcionando correctamente. Los cambios en el volumen ventricular pueden guiar la toma de decisiones cl\u00ednicas. Sin embargo, hasta la fecha, las evaluaciones precisas del volumen ventricular pueden llevar mucho tiempo o requerir herramientas automatizadas de nivel de investigaci\u00f3n que no se adaptan f\u00e1cilmente a la visita cl\u00ednica del paciente.<\/p>\n
Los autores de este estudio buscaron desarrollar un an\u00e1lisis profundo automatizado -Modelo basado en aprendizaje (DL) que podr\u00eda usarse para evaluar los cambios en el volumen de los ventr\u00edculos cerebrales a lo largo del tiempo en ni\u00f1os con hidrocefalia durante sus visitas a la cl\u00ednica. El aprendizaje profundo es una forma avanzada de inteligencia artificial que imita el funcionamiento del cerebro humano; es capaz de procesar grandes cantidades de datos y crear patrones utilizados en la toma de decisiones. El objetivo de los autores era crear una herramienta de DL que funcionara de manera eficiente en m\u00faltiples instituciones con varias m\u00e1quinas de resonancia magn\u00e9tica cl\u00ednica de diferentes fabricantes.<\/p>\n
Para desarrollar y validar el modelo, los autores seleccionaron conjuntos de resonancias magn\u00e9ticas potenciadas en T2 de un grupo de 200 pacientes pedi\u00e1tricos (22 a\u00f1os de edad o menos) que hab\u00edan presentado hidrocefalia obstructiva aguda. Las resonancias magn\u00e9ticas ponderadas en T2 tienen un amplio uso cl\u00ednico, pero por lo general no se utilizan para determinar el volumen ventricular. Los pacientes de este grupo hab\u00edan sido tratados en una de cuatro instituciones: Lucile Packard Children’s Hospital Stanford; Hospital de Ni\u00f1os de Seattle; el Hospital de Ni\u00f1os Enfermos; y el Hospital de Ni\u00f1os de Dayton. Para un grupo de control, los autores seleccionaron 200 conjuntos de resonancias magn\u00e9ticas ponderadas en T2 de 199 pacientes pedi\u00e1tricos neurol\u00f3gicamente intactos. Tambi\u00e9n se revisaron las resonancias magn\u00e9ticas tridimensionales ponderadas en T1, que se hab\u00edan obtenido en todos los controles y en un subgrupo de pacientes con hidrocefalia. Las resonancias magn\u00e9ticas ponderadas en T1 tridimensionales se usan com\u00fanmente para el an\u00e1lisis volum\u00e9trico, pero no est\u00e1n f\u00e1cilmente disponibles en la cl\u00ednica.<\/p>\n
Los 400 conjuntos de resonancias magn\u00e9ticas ponderadas en T2 se separaron para su uso en varios pasos del estudio: entrenamiento ( 266 juegos de resonancia magn\u00e9tica) y optimizaci\u00f3n (67 juegos de resonancia magn\u00e9tica) del modelo DL, y una prueba retenida (67 juegos de resonancia magn\u00e9tica) para la evaluaci\u00f3n final del rendimiento del modelo. En un estudio separado, los autores tambi\u00e9n estudiaron la posibilidad de generalizar el modelo de DL y su utilidad cl\u00ednica utilizando resonancias magn\u00e9ticas ponderadas en T2 que se obtuvieron prospectivamente en nueve pacientes en el Utah Primary Children’s Hospital.<\/p>\n
El modelo de DL se dise\u00f1\u00f3 para producir la segmentaci\u00f3n autom\u00e1tica del ventr\u00edculo (delineaci\u00f3n de los bordes del ventr\u00edculo en las im\u00e1genes) y el c\u00e1lculo del volumen. Para examinar la eficiencia del modelo, los autores compararon estos dos procesos con el est\u00e1ndar de oro de segmentaci\u00f3n manual y c\u00e1lculo de volumen y con el uso del software de investigaci\u00f3n FreeSurfer. Los autores utilizaron el coeficiente de similitud de Dice (0 a 1) para evaluar la precisi\u00f3n de la segmentaci\u00f3n y la regresi\u00f3n lineal para evaluar el c\u00e1lculo del volumen.<\/p>\n
Seg\u00fan los autores, en comparaci\u00f3n con la segmentaci\u00f3n manual, \u00abla segmentaci\u00f3n del modelo se realiz\u00f3 con un Dice general puntuaci\u00f3n de 0,901 (0,946 en hidrocefalia, 0,856 en controles).\u00bb Estos n\u00fameros muestran una gran precisi\u00f3n, con una precisi\u00f3n a\u00fan mayor evidente cuando se utilizan en pacientes con hidrocefalia. Cuando se utiliz\u00f3 para evaluar la precisi\u00f3n de la segmentaci\u00f3n en los pacientes del Utah Primary Children’s Hospital, la puntuaci\u00f3n de Dice fue de 0,926.<\/p>\n
Los autores encontraron una fuerte correlaci\u00f3n entre los c\u00e1lculos de volumen ventricular realizados con el modelo DL y el c\u00e1lculo frontal-occipital determinado manualmente. proporci\u00f3n de cuernos (r2 = 0,92) e \u00edndice de Evans, una proporci\u00f3n de cuernos frontales (r2 = 0,79). Estos c\u00e1lculos se realizaron mediante resonancias magn\u00e9ticas potenciadas en T2.<\/p>\n
El modelo DL fue m\u00e1s preciso y mucho m\u00e1s r\u00e1pido que el software FreeSurfer, que \u00abtard\u00f3 de 8,2 a 207,3 horas (mediana de 20,3 horas) para la segmentaci\u00f3n del ventr\u00edculo y la producci\u00f3n de volumen, en comparaci\u00f3n con 1,48 segundos por escaneo de paciente para el modelo DL\u00bb.<\/p>\n
Este trabajo a\u00fan es preliminar. La evidencia proporcionada con el modelo DL todav\u00eda requiere correlaci\u00f3n con los s\u00edntomas de los pacientes, y se necesita m\u00e1s trabajo para evaluar el modelo DL cuando se usa con otros tipos de hidrocefalia. No obstante, los autores concluyen: \u00abCon una salida volum\u00e9trica casi inmediata y un rendimiento confiable en todos los tipos de esc\u00e1neres institucionales, este modelo se puede adaptar a la evaluaci\u00f3n cl\u00ednica en tiempo real de la hidrocefalia y mejorar el flujo de trabajo del m\u00e9dico\u00bb.<\/p>\n
Cuando se le pregunt\u00f3 sobre los hallazgos del estudio, los Dres. Edwards y Yeom respondieron: \u00abHan pasado m\u00e1s de 100 a\u00f1os desde que Dandy desarroll\u00f3 la ventriculograf\u00eda para visualizar el sistema ventricular. Nuestro objetivo era desarrollar un programa r\u00e1pido y confiable utilizando tecnolog\u00eda de IA [inteligencia artificial] que sea r\u00e1pida, precisa y desplegable en m\u00faltiples plataformas de im\u00e1genes. Tener vol\u00famenes ventriculares definitivos eliminar\u00e1 el trabajo y la imprecisi\u00f3n en la medici\u00f3n y comparaci\u00f3n del tama\u00f1o ventricular a lo largo del tiempo y deber\u00eda permitir decisiones m\u00e1s precisas en el manejo de pacientes con hidrocefalia y otras patolog\u00edas del volumen del LCR. Nuestro objetivo en el futuro es validar nuestra t\u00e9cnica cl\u00ednicamente para para llevar esta t\u00e9cnica al uso cl\u00ednico y de investigaci\u00f3n de rutina. Nuestra esperanza es que esta tecnolog\u00eda proporcione informaci\u00f3n m\u00e1s precisa y confiable para permitir a los m\u00e9dicos tomar mejores decisiones de manejo en pacientes con hidrocefalia y, por lo tanto, mejorar la atenci\u00f3n y los resultados del paciente\u00bb. <\/p>\n
Explorar m\u00e1s<\/p>\n
Comparaci\u00f3n de algoritmos de segmentaci\u00f3n para la detecci\u00f3n de infarto de miocardio M\u00e1s informaci\u00f3n:<\/strong> Inteligencia artificial para segmentaci\u00f3n autom\u00e1tica de ventr\u00edculos cerebrales y c\u00e1lculo de volumen: una herramienta cl\u00ednica para la evaluaci\u00f3n de hidrocefalia pedi\u00e1trica. Revista de Neurocirug\u00eda: Pediatr\u00eda (2020). DOI: 10.3171\/2020.6.PEDS20251 , thejns.org\/doi\/full\/10.3171\/2020.6.PEDS20251 Informaci\u00f3n de la revista:<\/strong> Journal of Neurosurgery: Pediatrics <\/p>\n Proporcionado por Journal of Neurosurgery Citation<\/strong>: La herramienta autom\u00e1tica de IA de aprendizaje profundo mide el volumen de los ventr\u00edculos cerebrales en resonancias magn\u00e9ticas en ni\u00f1os (1 de diciembre de 2020) consultado el 30 de agosto de 2022 en https:\/\/medicalxpress.com\/news\/2020-12-automatic-deep-learning- ai-tool-volume.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Modelo de aprendizaje profundo (azul) y segmentaci\u00f3n manual de datos b\u00e1sicos (verde) de im\u00e1genes de RM potenciadas en T2 de control representativo (izquierda) e hidrocefalia (derecha). Cr\u00e9dito: (c) 2020 AANS. Investigadores de varias instituciones de Am\u00e9rica del Norte han desarrollado una herramienta cl\u00ednica de inteligencia artificial de aprendizaje profundo (DL) totalmente automatizada que puede medir … Continuar leyendo \u00abHerramienta autom\u00e1tica de IA de aprendizaje profundo que mide el volumen de los ventr\u00edculos cerebrales en resonancias magn\u00e9ticas en ni\u00f1os\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-12126","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/12126","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=12126"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/12126\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=12126"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=12126"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=12126"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}