Herramienta de rayos X con IA estima densidad mineral ósea para diagnóstico temprano de osteoporosis

La osteoporosis es un problema de salud común que conduce a una baja densidad mineral ósea (DMO), lo que hace que los huesos sean frágiles y aumenta el riesgo de fracturas. Diagnosticar esta afección generalmente implica pruebas especializadas y a menudo costosas, como la absorciometría de rayos X de doble energía (DXA) y la tomografía computarizada cuantitativa (TCC). Debido a estas limitaciones, se necesitan opciones de detección más convenientes y económicas. Recientemente, las técnicas de aprendizaje automático que utilizan imágenes de rayos X para estimar la DMO se han vuelto más populares, pero a menudo requieren datos de entrenamiento extensos. Los investigadores ahora han ideado un método de aprendizaje automático que ofrece una forma más sencilla de detectar la osteoporosis y otras afecciones óseas desde el principio.

Investigadores del Instituto Nara de Ciencia y Tecnología (NAIST, Nara, Japón) han ideado un método innovador que utiliza un tipo de aprendizaje automático conocido como marco de aprendizaje jerárquico. Este método estima la DMO a partir de imágenes de rayos X estándar. El equipo de investigación utilizó exploraciones de TCC originales de pacientes para crear una imagen de rayos X virtual del área del hueso, alineándola con precisión con las radiografías reales del paciente. Luego, estos datos se utilizaron en tres fases de entrenamiento distintas para desarrollar un modelo final de estimación de DMO. Inicialmente, el modelo se centró en descomponer las imágenes de rayos X para crear una imagen de rayos X virtual del área del hueso. En la fase final, se entrenó el modelo para reconocer la relación entre estas imágenes de rayos X virtuales y los valores de DMO.

Imagen: Una descripción general del método propuesto (Fotografía cortesía de NAIST)

Este método pudo estimar con precisión la DMO utilizando una sola imagen de rayos X y demostró una alta eficacia incluso con un par de cientos de conjuntos de datos de pares de imágenes de TC y rayos X. El modelo no sólo proporciona el valor de DMO sino que también genera una imagen de rayos X virtual que muestra la distribución de la densidad ósea, lo que que hace que los resultados sena fáciles de comprender. Para evaluar su eficacia en comparación con métodos tradicionales como DXA y TCC, los investigadores realizaron pruebas de validación con datos clínicos reales. Los valores de DMO obtenidos mediante este nuevo método mostraron una fuerte correlación con los derivados de DXA y TCC, lo que confirma su fiabilidad.

Pruebas de validación adicionales demostraron aún más la solidez de este método. Produjo estimaciones consistentes de DMO a pesar de los cambios en la posición del paciente o los diferentes niveles de compresión de la imagen. Los resultados indican que este nuevo método tiene un enorme potencial para uso médico habitual. Ofrece una manera conveniente de detectar la osteoporosis y monitorear el tratamiento, permitiendo una intervención oportuna y mejorando potencialmente las vidas de quienes viven con la afección.

"La osteoporosis generalmente se diagnostica en etapas avanzadas una vez que sus síntomas se vuelven evidentes. Las imágenes de rayos X pueden ser valiosas para el diagnóstico oportunista, pero extraer eficientemente información sobre la DMO de ellas ha sido un desafío importante", dijo Yoshito Otake de NAIST. "Esperábamos resolver este problema utilizando información derivada de la imagen de tomografía computarizada (TC) en la etapa de entrenamiento para desarrollar un modelo para una estimación precisa, eficiente y explicable de la DMO únicamente a partir de una imagen de rayos X".

Enlaces relacionados:
NAIST