La radiografía de tórax es una herramienta esencial para diagnosticar la neumonía adquirida en la comunidad (NAC), aunque tiene un valor pronóstico incierto.
Pero según un manuscrito aceptado publicado en el American Journal of Roentgenology (AJR) de la American Roentgen Ray Society (ARRS), un modelo basado en aprendizaje profundo que utiliza las radiografías de tórax iniciales predijo con precisión la mortalidad a los 30 días.
Los investigadores afirmaron que esto mejora el rendimiento de una herramienta de predicción de riesgo establecida, el puntaje CURB-65.
“El modelo de aprendizaje profundo (o Deep Learning) puede guiar la toma de decisiones clínicas en el manejo de pacientes con NAC al identificar pacientes de alto riesgo que requieren hospitalización y tratamiento intensivo”, concluyó el primer autor Dr. Eui Jin Hwang, del departamento de radiología del Colegio de Medicina de la Universidad Nacional de Seúl en Corea.
En este manuscrito, se desarrolló un modelo de aprendizaje profundo en 7,105 pacientes en una institución desde marzo de 2013 hasta diciembre de 2019 para entrenar, validar y para conjuntos de pruebas internas para predecir el riesgo de mortalidad por todas las causas dentro de los 30 días posteriores al diagnóstico de la NAC utilizando radiografías de tórax iniciales de los pacientes.
Hwang et al. luego evaluaron su modelo de aprendizaje profundo en 947 pacientes diagnosticados con NAC durante visitas al departamento de emergencias en la misma institución que la cohorte de desarrollo de enero de 2020 a diciembre de 2020, y 848 pacientes adicionales de otras dos instituciones entre enero de 2020 a diciembre de 2020 y marzo de 2019 a octubre de 2021.
El estudio comparó entre el modelo de inteligencia artificial de aprendizaje profundo y un puntaje de riesgo basado en confusión, nivel de nitrógeno ureico en la sangre, frecuencia respiratoria, presión arterial y edad ≥ 65 años.
Imagen: Una figura del estudio muestra una radiografía de tórax con un área de consolidación que involucra el lóbulo inferior derecho, lo que es consistente con neumonía, así como un derrame pleural derecho. El modelo de aprendizaje profundo predijo un riesgo de mortalidad a los 30 días del 9%. A la derecha: el mapa de activación de clases ponderadas por gradiente muestra la predicción del modelo influenciada por un área separada de la imagen que corresponde al corazón e hígado (colores amarillo y azul claro). El puntaje CURB-65 del paciente fue de 4. El paciente se recuperó de la neumonía y permaneció vivo 14 meses después del diagnóstico de neumonía. Todos los derechos al autor, enlace más abajo.
Finalmente, un modelo de aprendizaje profundo utilizando radiografías de tórax iniciales predijo la mortalidad a los 30 días por todas las causas en pacientes con NAC con un área bajo la curva (AUC) que osciló entre 0.77 y 0.80 en cohortes de prueba de diferentes instituciones.
Además, el modelo mostró una mayor especificidad (rango del 61 al 69%) que el puntaje CURB-65 (44-58%) a la misma sensibilidad, escribieron los autores.
Hwang dijo que el impacto clínico es que el modelo basado en aprendizaje profundo puede guiar mejor la toma de decisiones clínicas en el manejo de pacientes con NAC.
Para conocer más sobre este aporte recomendamos visitar el American Journal of Roentgenology y acceder ala artículo completo.
0 comentarios