Dispositivo de imágenes por ultrasonido no invasivo diagnostica el riesgo de enfermedad renal crónica

Manejar eficientemente la enfermedad renal crónica (ERC) es imperativo para la salud pública, ya que representa una condición progresiva que afecta al 10 % de la población mundial. El camino desde la ERC hasta la enfermedad renal terminal (ERT) a menudo implica fibrosis renal, lo que hace que la detección temprana y la monitorización continua sean fundamentales para un tratamiento y un pronóstico eficaces. Identificar correctamente a los pacientes con riesgo elevado de fibrosis renal avanzada sigue siendo una tarea compleja en el entorno clínico. Los investigadores ahora han creado una herramienta de diagnóstico por computadora que combina imágenes de ultrasonido con indicadores clínicos específicos para evaluar el riesgo de progresión de la fibrosis renal de moderada a grave en personas con ERC.

Aprovechando la tecnología sanitaria avanzada, esta innovadora herramienta de diagnóstico Smart-CKD (S-CKD) desarrollada por investigadores de la Universidad Politécnica de Hong Kong (PolyU, Hong Kong) puede mejorar el tratamiento de la ERC y el seguimiento de los pacientes. S-CKD integra tres parámetros clínicos esenciales: la edad del paciente, la longitud renal ultrasónica y la velocidad telediastólica en la arteria renal interlobar, todos obtenibles a través de seguimientos médicos regulares. Utilizando el aprendizaje automático, S-CKD logra una precisión diagnóstica del 80 %. Disponible como una herramienta en línea y un documento fuera de línea, S-CKD ofrece un método conveniente, no invasivo y en tiempo real para que los médicos evalúen el riesgo de fibrosis renal, guiando así las decisiones terapéuticas, el asesoramiento al paciente y la programación de seguimiento.

Además, el grupo de investigación ha desarrollado un modelo basado en aprendizaje automático que utiliza elastografía de ondas de corte (SWE) 2-D combinada con datos clínicos de ERC para evaluar la fibrosis renal. A pesar de los avances en la elastografía por ultrasonido para diagnosticar la fibrosis renal, la eficacia de la técnica depende en gran medida de la habilidad del operador, lo que plantea desafíos en entornos con recursos limitados. S-CKD tiene como objetivo facilitar la aplicación de la elastografía por ultrasonido en diversos entornos clínicos, permitiendo una estratificación del riesgo precisa y de bajo costo utilizando datos fácilmente extraídos de registros médicos y evaluaciones de imágenes estándar.

Además, el equipo ha introducido un análisis radiómico por ultrasonido, pasando de los datos clínicos al examen de imágenes por ultrasonido en profundidad. La radiómica, un campo de vanguardia, extrae una multitud de características de imagen invisibles para el ojo humano a partir de imágenes médicas, construyendo modelos para evaluaciones de fibrosis renal no invasivas. Este método radiómico combina imágenes de ultrasonido con datos clínicos para crear un modelo de diagnóstico visualizado a través de una calculadora basada en la web. Aunque los modelos actuales requieren información manual de los profesionales médicos, los esfuerzos futuros explorarán la inteligencia artificial, incluido el aprendizaje profundo, para desarrollar un sistema de diagnóstico totalmente automatizado.

"La implementación de S-CKD tiene el potencial de ayudar a los profesionales de la salud a adaptar las decisiones médicas y optimizar los protocolos posteriores al tratamiento para los pacientes con ERC", dijo el Prof. Michael Tin Cheung YING, director asociado y profesor del Departamento de Tecnología e Informática de la Salud de PolyU. "Al utilizar resultados de imágenes médicas no invasivas y datos demográficos básicos, esta herramienta ofrece una solución rentable para guiar el manejo del paciente, contribuyendo así a notables ventajas clínicas".

Enlaces relacionados:
PoliU

Visitar la expo >

Miembro Oro

Solid State Kv/Dose Multi-Sensor

AGMS-DM+

Color Doppler Ultrasound System

DRE Crystal 4PX

Brachytherapy Planning System

Oncentra Brachy

New

Illuminator

Trimline Basic