La inteligencia artificial podría impulsar la adopción clínica de la radiografía digital dinámica de tórax

Para diagnosticar enfermedades pulmonares, los profesionales de la salud suelen confiar en radiografías de tórax y pruebas de función pulmonar (PFP), que proporcionan una instantánea de la salud pulmonar. Sin embargo, estos métodos tradicionales sólo ofrecen una evaluación estática limitada. Los avances recientes han destacado la radiografía digital dinámica de tórax (DDR) como una herramienta valiosa para observar los pulmones y el diafragma en movimiento, ofreciendo información sobre la función respiratoria que las imágenes estáticas no son capaces de proporcionar. A pesar de sus beneficios potenciales, la adopción generalizada de DDR en la práctica clínica se ha visto obstaculizada por el análisis manual que requiere mucho tiempo y su correlación no establecida con los resultados estándar de PFP. Ahora, el uso clínico de DDR de tórax en pacientes con trastornos pulmonares podría recibir un impulso significativo con el desarrollo de la inteligencia artificial (IA) para realizar los largos análisis involucrados en la tecnología.

Investigadores del Hospital Mount Sinai (Nueva York, NY, EUA) han desarrollado una sofisticada "canalización" de IA que utiliza redes neuronales convolucionales (CNN) para analizar secuencias de imágenes DDR de los pulmones de los pacientes. Este enfoque tiene como objetivo replicar los resultados de las pruebas de función pulmonar estándar, cerrando efectivamente la brecha entre la tecnología DDR y los métodos convencionales de evaluación respiratoria. Crearon dos CNN específicas para evaluar aspectos clave del movimiento pulmonar en secuencias DDR, utilizando datos de 55 pacientes que representan un espectro de salud pulmonar, desde normal hasta aquellos con afecciones pulmonares obstructivas y restrictivas. A estas CNN se les asignó la tarea de medir las áreas pulmonares en las imágenes, creando esencialmente pruebas de función pulmonar (dPFP) basadas en DDR. Luego, los investigadores llevaron a cabo un análisis comparativo de las dPFP con las mediciones estándar de PFP.

Imagen: La IA podría ayudar la DDR de tórax a lograr la adopción clínica (foto cortesía de 123RF)

Sus hallazgos revelaron correlaciones fuertes y estadísticamente significativas entre las mediciones de dPFP y los valores tradicionales de PFP, incluida la capacidad pulmonar total, el volumen espiratorio forzado en un segundo, la capacidad vital y la capacidad residual funcional. Estas correlaciones indican que las dPFP podrían servir como alternativas a las PFP convencionales, especialmente en escenarios donde las pruebas tradicionales no son factibles o no están disponibles. La DDR presenta varias ventajas sobre los métodos convencionales, incluida una exposición reducida a la radiación en comparación con las radiografías de tórax estándar y la capacidad de proporcionar información de diagnóstico valiosa en situaciones en las que las PFP son inaccesibles, como en el caso de pacientes con trastornos neuromusculares o durante exacerbaciones agudas de la enfermedad pulmonar obstructiva crónica, concluyeron los investigadores.

“Nuestro estudio demuestra correlaciones sólidas de dPFP y PFP utilizando un proceso de análisis DDR automatizado. Este conducto tiene potencial para discernir la fisiología normal de la anormal, lo que sugiere que las dPFP son valiosas para evaluar la dinámica pulmonar”, concluyeron los investigadores.

Enlaces relacionados:
Hospital Monte Sinaí