IA explicativa analiza videos de ultrasonido para enfermedades cardíacas congénitas fetales

Los problemas cardíacos congénitos representan casi el 20 % de las muertes de recién nacidos. Aunque se sabe que un diagnóstico temprano antes del nacimiento mejora las posibilidades de supervivencia, es extremadamente desafiante porque los diagnósticos deben basarse completamente en videos de ultrasonido. En particular, las anomalías sutiles pueden quedar ocultas por los movimientos del feto y la sonda. Los expertos pueden filtrar las imágenes muy bien, pero en la práctica, la gran mayoría de las ecografías regulares solo las analizan los residentes o becarios que asisten. Para combatir este problema, los investigadores han estado desarrollando una IA que puede aprender cómo se ve un corazón fetal normal después de haber sido expuesto a miles de imágenes de ultrasonido. Luego, puede hacer diagnósticos clasificando los videos de ultrasonido como normales o anormales.

En el último desarrollo, los investigadores del Centro RIKEN para el Proyecto de Inteligencia Avanzada (AIP, Tokio, Japón) han probado el diagnóstico mejorado por IA de la cardiopatía congénita fetal en un entorno clínico. Tanto los residentes del hospital como los becarios hicieron diagnósticos más precisos cuando usaron una interfaz gráfica que representaba el análisis de la IA de los videos de detección de ultrasonido cardíaco fetal. El nuevo sistema podría ayudar a capacitar a los médicos y ayudar en los diagnósticos cuando los especialistas no están disponibles. El sistema ha funcionado bien en el laboratorio, pero hacer que funcione en un entorno del mundo real presenta una serie de desafíos completamente nuevos.

El nuevo estudio probó un sistema de IA explicativo mejorado que permite a los médicos ver un cuadro gráfico que representa las decisiones de la IA. Además, los propios gráficos se generan a través de otra ronda de aprendizaje profundo, lo que mejoró el rendimiento de la IA y permitió a los médicos ver si las anomalías están relacionadas con el corazón, los vasos sanguíneos u otras características. A los expertos, becarios y residentes se les dieron los mismos conjuntos de videos de ultrasonido y se les pidió que proporcionaran diagnósticos dos veces, una sin la IA explicativa y otra con la asistencia de la representación gráfica de la decisión de la IA. A los examinadores no se les dio la decisión real de IA, que es simplemente un valor numérico. Los investigadores encontraron que cada grupo de médicos hizo diagnósticos más correctos al usar las nuevas tablas de decisiones basadas en IA.

Una mirada más cercana a los resultados proporcionó algunos hallazgos sorprendentes. Los examinadores menos capacitados, becarios y residentes, se volvieron un 7 % y un 13 % más precisos, respectivamente, con la ayuda de la IA. Si bien los expertos y los becarios pudieron hacer un buen uso de la IA, los residentes aún eran un 12 % menos precisos que la IA sola. Por lo tanto, en términos de aplicación clínica, la IA fue más útil para los becarios, que son los que generalmente realizan ecografías cardíacas fetales en el hospital.

“Esta es la primera demostración en la que los examinadores de todos los niveles de experiencia pudieron mejorar su capacidad para detectar anomalías cardíacas fetales en videos de ultrasonido utilizando IA explicable”, dijo Masaaki Komatsu en RIKEN AIP, quien dirigió el equipo de investigadores. “Nuestro estudio sugiere que incluso con el uso generalizado de la asistencia de IA, la experiencia de un examinador seguirá siendo un factor clave en los exámenes médicos futuros. Además de futuras aplicaciones clínicas, nuestros hallazgos muestran que se podría lograr el máximo beneficio de esta tecnología al usarla también como parte de la capacitación y educación de los residentes”.

Enlaces relacionados:
Centro RIKEN para Proyecto de Inteligencia Avanzada  

Visitar la expo >

Miembro Oro

Solid State Kv/Dose Multi-Sensor

AGMS-DM+

PACS Workstation

CHILI Web Viewer

Ultrasound Doppler System

Doppler BT-200

New

CT Phantom

CIRS Model 610 AAPM CT Performance Phantom