Seleccionar página

Fuente: Kalhh/Pixabay

La visión por computadora de inteligencia artificial (IA) está teniendo una adopción significativa como una herramienta de asistencia para los médicos clínicos. Un nuevo estudio publicado en Radiology muestra cómo el aprendizaje automático de IA puede detectar si los puntos pequeños que aparecen en las imágenes de tórax son tumores cancerosos y mejorar significativamente la evaluación del riesgo de malignidad por parte de los médicos.

Los investigadores de este estudio están afiliados a la Universidad de Pensilvania, la Universidad de Oxford, la Universidad Médica de Carolina del Sur, la Escuela de Medicina de Wake Forest, el Sistema de Salud Henry Ford, el Centro de Cáncer Vanderbilt Ingram y los Hospitales de la Universidad de Oxford.

Las computadoras se han utilizado para analizar imágenes de tórax (torácicas) desde la década de 1960. Por ejemplo, en 1963, Gwilym Lodwick y sus colegas utilizaron una computadora digital como herramienta de diagnóstico para predecir las tasas de supervivencia de hasta cinco años mediante radiografías de tórax en pacientes con cáncer de pulmón. En 2012, Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton hicieron historia en la IA con su estudio revolucionario en el que entrenaron una red neuronal convolucional profunda (CNN) para clasificar 1,2 millones de imágenes de alta resolución en el concurso ImageNet LSVRC-2010 en mil clases. Esta red neuronal de aprendizaje profundo de IA, con un diseño inspirado en el cerebro biológico, tenía 650 000 neuronas, 60 millones de parámetros y cinco capas convolucionales. Ganó el Desafío de reconocimiento visual a gran escala de ImageNet y elevó la precisión del aprendizaje automático de IA y provocó una fiebre del oro en la industria de la visión artificial de IA.

Avance rápido hasta 2021, y se desarrollaron redes neuronales convolucionales de IA especializadas llamadas Red neuronal convolucional de predicción de cáncer de pulmón (LCP-CNN) utilizando tomografías computarizadas (TC) de tórax. Este estudio actual de IA publicado en 2022 usó el LCP-CNN, un modelo de diagnóstico asistido por computadora (CAD) de aprendizaje automático de IA que se validó internamente utilizando datos del National Lung Screening Trial (NLST) y validado externamente con dos cohortes de pacientes.

Pero, ¿puede una herramienta de aprendizaje profundo de IA que utiliza redes neuronales convolucionales de última generación mejorar el rendimiento de los médicos humanos? Los investigadores buscaron evaluar el impacto de la IA en la evaluación de los nódulos pulmonares por parte de los médicos no solo para el riesgo de cáncer, sino también para las recomendaciones de manejo.

“Existen datos limitados sobre si el diagnóstico asistido por computadora (CAD) mejora la evaluación de los médicos sobre el riesgo de malignidad de los nódulos pulmonares indeterminados (IPN)”, escribieron los investigadores. «En este estudio de varios lectores y varios casos, el rendimiento de los radiólogos y neumólogos en la estimación del riesgo de malignidad de NPI mejoró significativamente con la ayuda de una herramienta CAD basada en inteligencia artificial».

La información utilizada en este estudio retrospectivo provino de imágenes anónimas de siete bases de datos: los datos del National Lung Screening Trial del National Cancer Institute Cancer Data Access System, Oxford University Hospitals, Henry Ford Health System, Vanderbilt University, Royal Berkshire Hospital, Leeds Teaching Hospital y el Hospital Universitario de Nottingham.

Un equipo de 12 especialistas compuesto por seis neumólogos que incluyen dos expertos en oncología torácica y seis radiólogos, incluidos dos expertos en radiología torácica, evaluó 300 tomografías computarizadas (TC) de tórax (imágenes médicas que detallan imágenes internas de manera no invasiva) que consisten en 150 tomografías benignas y 150 lesiones malignas.

El equipo evaluó las tomografías computarizadas con y sin ayuda de aprendizaje automático de IA para el riesgo de malignidad y brindó recomendaciones de manejo. Estas recomendaciones incluían estas seis opciones: seguimiento inmediato con imágenes, resección quirúrgica, biopsia no quirúrgica, seguimiento con TC a corto plazo entre seis semanas y seis meses, seguimiento con TC a largo plazo a los seis meses o más, o ninguna acción.

“Nuestros hallazgos confirman que CAD puede mejorar la interpretación del riesgo por parte de los médicos basándose únicamente en datos de imágenes”, informó el equipo. “Además, como la sensibilidad y especificidad promedio de los neumólogos y radiólogos mejoraron con CAD en los umbrales de riesgo de malignidad muy bajo (5%) y alto (65%), la CAD puede tener un impacto significativo en las decisiones de manejo de nódulos pulmonares”.

Según los investigadores, hubo «una mejora significativa en el área bajo la curva característica operativa (AUC) del receptor para cada lector» al usar la herramienta de aprendizaje automático de IA y «la herramienta CAD de la red neuronal convolucional de predicción del cáncer de pulmón puede tener un impacto significativo». impacto en las decisiones de gestión posteriores”.

“En conclusión, nuestro estudio encontró que una herramienta de diagnóstico asistido por computadora (CAD) basada en inteligencia artificial mejoró el desempeño de radiólogos y neumólogos al estimar el riesgo de malignidad para nódulos pulmonares indeterminados (IPN) en tomografías computarizadas de tórax y mejoró el acuerdo para muy bajo. y categorías de IPN de alto riesgo”, informaron los investigadores.

Copyright © 2022 Cami Rosso. Reservados todos los derechos.

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información

ACEPTAR
Aviso de cookies