Algoritmo impulsado por IA detecta aneurismas cerebrales no rotos pasados por alto en TC de rutina

Cada año, un número significativo de personas en todo el mundo sufre rotura de aneurismas en el cerebro. A menudo, estos aneurismas se descubren por casualidad durante exámenes cerebrales realizados por problemas no relacionados. Ahora, se ha descubierto que un algoritmo de aprendizaje automático identifica mejor estos aneurismas no rotos que necesitan atención médica pero que pueden pasarse por alto durante los exámenes cerebrales de rutina.

Investigadores de UTHealth Houston (Houston, TX, EUA) estudiaron un registro mantenido prospectivamente que involucró a ocho centros de accidentes cerebrovasculares aprobados. Se centraron en pacientes que se habían sometido a una angiografía por tomografía computarizada para evaluar los riesgos potenciales de accidente cerebrovascular. Un algoritmo de aprendizaje automático llamado Viz Aneurysm de Viz.ai (San Francisco, CA, EUA) analizó estas exploraciones para identificar aneurismas cerebrales no rotos que tenían al menos cuatro milímetros de tamaño. De 1.191 exploraciones revisadas durante el estudio, el algoritmo marcó que 50 posiblemente mostraban un aneurisma no roto. De ellos, se detectaron 36 aneurismas genuinos en 31 angiografías por TC, incluidos cuatro casos de aneurismas múltiples.

Imagen: Un algoritmo impulsado por IA puede ayudar a detectar aneurismas cerebrales no rotos pasados por alto en la atención clínica de rutina (Fotografía cortesía de 123RF)

De estos 36 aneurismas confirmados, el 67 % no habían sido marcados previamente para una evaluación adicional y tenían un tamaño medio de 4,4 milímetros. Cinco de estos aneurismas no rastreados medían más de siete milímetros y tenían un riesgo promedio de ruptura del 2,4 % en los siguientes cinco años. En pocas palabras, sólo un tercio de los aneurismas no rotos que probablemente necesitaban más investigación habían sido señalados inicialmente para seguimiento durante la atención clínica de rutina. La ubicación más común de estos aneurismas fue la arteria carótida interna, representando el 46 % de los casos. Los investigadores creen que estos algoritmos de aprendizaje automático pueden mejorar la tasa de detección de aneurismas cerebrales no rotos al marcar angiografías por TC sospechosas de aneurisma. Estos algoritmos también pueden ayudar a agilizar el seguimiento y la comunicación entre proveedores de atención médica a través de la misma plataforma.

"Ya hemos visto el gran beneficio que el aprendizaje automático puede aportar a los pacientes que sufren un accidente cerebrovascular agudo", dijo el autor principal Sunil A. Sheth, MD, profesor asociado de UTHealth Houston. "En este estudio, vemos una posibilidad similar de mejorar sustancialmente la forma en que identificamos, asesoramos y ayudamos a los pacientes con aneurismas cerebrales".

Enlaces relacionados:
UTHealth Houston  
Viz.ai