La medicina está dando un salto adelante gracias a un innovador modelo de inteligencia artificial que utiliza imágenes reconstruidas en 3D de tomografías computarizadas de cadera.
Este modelo, basado en aprendizaje profundo, ha demostrado tener un índice de concordancia (C-index) superior y áreas bajo la curva (AUC) a dos, tres y cinco años más altas que varios modelos de imagen y modelos clínicos para predecir el riesgo de fracturas subsiguientes en pacientes con fracturas de cadera.
1480 pacientes con Fx de Cadera + TC
Para este estudio retrospectivo, recientemente publicado en Radiology, los investigadores revisaron datos de 1,480 pacientes (con una edad media de 75.5 años) que sufrieron fracturas de cadera y se sometieron a una tomografía computarizada de cadera.
Utilizando un conjunto de datos de entrenamiento y validación de 1,012 pacientes y un conjunto de prueba temporal de 468 pacientes.
Con esta información, los investigadores compararon la capacidad pronóstica de este modelo de aprendizaje profundo con múltiples modelos de imagen y modelos clínicos.
Comparado con la radiografía de cadera en el conjunto de prueba, el modelo en conjunto 2.5D mostró un índice de concordancia (C-index) 12% más alto , un AUC a tres años un 9% más alto y un AUC a cinco años un 16% más alto para predecir el riesgo de fracturas futuras.
Eso no es todo…
Este modelo de aprendizaje profundo también demostró tener un C-index superior, así como AUC a dos, tres y cinco años más altos que imágenes de exploración de tomografía computarizada, radiografías reconstruidas digitalmente en 2D y 3D, según datos del conjunto de prueba del estudio.
Los autores del estudio destacaron que el modelo 2.5D superó los AUC a dos y tres años para múltiples modelos clínicos.
Señalaron un AUC a dos años 16% más alto y un AUC a tres años 10% más alto para el modelo de aprendizaje profundo en comparación con un modelo clínico que evaluó 10 factores de riesgo clínicos conocidos para fracturas, incluyendo la densidad mineral ósea en el cuello femoral y el tipo de fractura de cadera.
¿Qué dicen los expertos?
El autor principal del estudio, Dr. Yisak Kim, del Hospital de la Universidad Nacional de Seúl en Corea, subraya la importancia de desarrollar un modelo de predicción para el riesgo de fractura a corto plazo.
Este modelo identificaría a los pacientes con mayor riesgo y ayudaría en la determinación de estrategias de tratamiento apropiadas.
Enfatizando que este es el primer estudio que desarrolla un modelo de predicción para el riesgo de fractura en el futuro en pacientes con fracturas de cadera, los autores destacaron los beneficios particulares de utilizar tomografías computarizadas de cadera como base para el modelo de aprendizaje profundo.
“Un modelo que utiliza imágenes de varios ángulos de tomografía computarizada de cadera tuvo un mejor rendimiento en comparación con modelos con imágenes frontales en sección transversal, como radiografías anteroposteriores, lo que sugiere el uso potencial del modelo 2.5D con otras imágenes de tomografía computarizada”, señalaron Kim y sus colegas.
Sin embargo, los autores reconocen limitaciones en el estudio
Un ejemplo de ello es la posible limitación de la extrapolación de los hallazgos debido al uso de tomografías computarizadas de cadera en 3D.
Aunque los mapas de calor con el modelo de aprendizaje profundo destacaron principalmente las áreas del cuello y el fémur, los investigadores reconocieron un enfoque variado entre los pacientes de la cohorte.
También admitieron que la exclusión de usuarios de denosumab del conjunto de entrenamiento y validación pudo haber afectado el rendimiento del modelo de aprendizaje profundo.
Para conocer más sobre esta investigación recomendamos visitar Radiology y acceder al artículo completo.
0 comentarios