Algoritmo de IA reduce la exposición innecesaria a la radiación en las TC neurorradiológicas traumáticas
Actualizado el 07 Oct 2024
Las emergencias neurorradiológicas traumáticas abarcan afecciones que requieren un diagnóstico inmediato y preciso para un tratamiento eficaz y resultados óptimos para el paciente. Estas emergencias pueden incluir lesiones en el cerebro o la médula espinal. La tomografía computarizada (TC) es una de las técnicas de diagnóstico por imágenes más utilizadas en tales situaciones debido a su disponibilidad y velocidad, lo que la convierte en una herramienta vital en los departamentos de emergencia para evaluar la gravedad de las lesiones y guiar el tratamiento. Sin embargo, una limitación significativa de las tomografías computarizadas es la relación entre la dosis de radiación y la calidad de la imagen. Las TC implican la exposición a la radiación ionizante, lo que plantea un riesgo potencial a largo plazo para los pacientes, incluido el desarrollo de cáncer. Recientemente, han surgido algoritmos de reconstrucción de inteligencia artificial (IA) modernos, ofreciendo la posibilidad de reducir las dosis de radiación mientras se mantiene una alta calidad de imagen. Estos algoritmos de IA podrían minimizar los riesgos asociados con la radiación ionizante y mejorar los resultados del paciente, aunque no se ha estudiado en profundidad hasta qué punto reducen la exposición a la radiación en las TC neurorradiológicas traumáticas.
Para abordar este problema, los investigadores de la Universidad Eberhard Karls de Tubinga (Tubinga, Alemania) llevaron a cabo un estudio comparativo para evaluar el rendimiento de un algoritmo de eliminación de ruido basado en aprendizaje profundo (DLD) en tomografías computarizadas de pacientes con emergencias neurorradiológicas traumáticas. Propusieron que el uso de estos algoritmos podría permitir imágenes de alta calidad con dosis de radiación reducidas, mejorando así la atención al paciente al minimizar la exposición innecesaria a la radiación. El estudio retrospectivo de un solo centro involucró a 100 pacientes que se habían sometido a tomografías computarizadas de trauma neurorradiológico. Se procesaron exploraciones simuladas de dosis completa (100 %) y de dosis baja (25 %) utilizando reconstrucción iterativa (IR2) y el algoritmo DLD. Cuatro neurorradiólogos evaluaron la calidad subjetiva y objetiva de las imágenes, junto con un análisis de puntos finales clínicos. La sensibilidad y especificidad bayesianas se calcularon con intervalos de credibilidad del 95 %.
El estudio descubrió que el algoritmo DLD produjo imágenes de TC de alta calidad y totalmente diagnósticas con solo el 25 % de la dosis de radiación estándar, lo que demuestra su potencial para mejorar la atención al paciente al reducir la exposición innecesaria a la radiación. La capacidad del algoritmo para mantener la calidad de la imagen con dosis de radiación significativamente más bajas resalta su potencial para abordar las preocupaciones sobre la exposición a la radiación, en particular en el contexto del uso frecuente de TC de cabeza en emergencias neurorradiológicas. Este problema ha sido una preocupación creciente tanto para los pacientes como para los médicos, en particular en relación con los riesgos cancerígenos asociados con la exposición a la radiación a largo plazo, especialmente en pacientes más jóvenes. Los hallazgos de este estudio contribuyen a los esfuerzos en curso para reducir las dosis de radiación en las imágenes médicas y enfatizan la importancia de una mayor investigación sobre las técnicas de reducción de dosis.
Enlaces relacionados:
Universidad Eberhard Karls de Tubinga
