Herramienta de inteligencia artificial mejora la usabilidad de imágenes médicas

Los médicos utilizan imágenes de tomografía computarizada por emisión de fotón único (SPECT) de imágenes de perfusión miocárdica (MPI) para evaluar el flujo sanguíneo al músculo cardíaco. Para capturar estas imágenes, a los pacientes se les administra una dosis de marcador radiactivo y deben permanecer quietos hasta por 15 minutos durante el proceso de escaneo. Reducir la dosis del trazador o la duración de la exploración sería ventajoso para los pacientes, ya que agilizaría el procedimiento y reduciría los costes de las imágenes. Sin embargo, dichas reducciones también pueden comprometer la calidad de la imagen, particularmente en términos de visualización de defectos cardíacos, que es el propósito clínico principal de estas imágenes. Ahora, se ha desarrollado un método de eliminación de ruido de imágenes basado en aprendizaje profundo que podría mejorar la detección de defectos miocárdicos en exploraciones SPECT de recuento bajo.

La herramienta desarrollada por investigadores de la Universidad de Washington en St. Louis (St. Louis, MO, EUA) para eliminar el ruido de las imágenes MPI SPECT demuestra el potencial de mejorar el desempeño en tareas clínicas. Basándose en conocimientos sobre el sistema visual humano, el equipo ideó una estrategia basada en el aprendizaje profundo diseñada para eliminar el ruido de las imágenes MPI SPECT de bajo recuento, mejorando efectivamente su calidad. La herramienta, denominada DEMIST, utiliza un marco de aprendizaje profundo para refinar selectivamente las imágenes MPI SPECT, garantizando la preservación de características esenciales críticas para las tareas de detección.

La eficacia de DEMIST se evaluó utilizando datos clínicos anónimos de 338 pacientes que se sometieron a procedimientos MPI en dos escáneres diferentes. Los resultados demostraron que DEMIST superó tanto a las exploraciones originales de dosis baja como a un método de eliminación de ruido independiente de la tarea ampliamente utilizado para detectar defectos cardíacos. Las imágenes sin ruido de DEMIST mejoraron significativamente la detección de defectos cardíacos según un observador modelo. Esta mejora fue constante en diversos grupos demográficos de pacientes, incluidos pacientes masculinos y femeninos, y en diferentes tipos de defectos cardíacos. También fue eficaz con datos obtenidos de dos escáneres distintos. Análisis matemáticos adicionales confirmaron que DEMIST retuvo efectivamente características vitales para las tareas de detección, mejorando así el rendimiento del observador.

"Estos resultados proporcionan evidencia para una evaluación clínica futura del potencial de DEMIST para eliminar el ruido de las imágenes MPI SPECT", dijo el ingeniero biomédico Abhinav Jha, quien dirigió la investigación en WUSTL. “Estoy entusiasmado con estos hallazgos, ya que estamos viendo que la IA puede tener el potencial de mejorar la usabilidad de las imágenes médicas. Al brindar la posibilidad de reducir la dosis de radiación y el tiempo de adquisición, DEMIST ofrece posibilidades para mejorar la precisión y eficiencia de la detección de defectos de perfusión miocárdica, beneficiando en última instancia la atención al paciente y los resultados del tratamiento”.

Enlaces relacionados:
WUSTL