Algoritmo basado en resonancia magnética predice con precisión patologías de columna

Existen varios tipos de patologías de la columna, que van desde traumatismos y enfermedades degenerativas hasta infecciones, neoplasias, afecciones inflamatorias y tumores. Por lo tanto, la evaluación clínica a menudo se basa en pruebas de laboratorio y estudios de imágenes para guiar el diagnóstico y las decisiones de tratamiento. Aunque la biopsia es el método definitivo de diagnóstico, es invasiva y costosa. Ahora, un nuevo estudio ha revelado que un algoritmo de aprendizaje profundo que utiliza exploraciones por resonancia magnética puede distinguir eficazmente entre diferentes tipos de patologías de la columna. El estudio mostró que la precisión del algoritmo fue moderada para el grupo de validación pero alta para el grupo de prueba.

Investigadores del Centro Médico de Tel Aviv (Tel Aviv, Israel) construyeron el algoritmo de aprendizaje profundo en el marco Fast.ai sobre el entorno PyTorch y utilizan datos de resonancia magnética previos a la cirugía y hallazgos patológicos posoperatorios para sus evaluaciones. Los datos utilizados para el entrenamiento y la validación se organizaron en un formato de validación cruzada quíntuple. El estudio examinó datos de resonancia magnética de 231 pacientes que tenían diferentes patologías de la columna: carcinoma, infección, meningioma y schwannoma. La investigación indicó que el algoritmo logró una precisión promedio de 0,78 en el conjunto de validación y 0,93 en el conjunto de prueba.

Si bien los investigadores admiten que el algoritmo no es tan preciso como los informes de patología tradicionales, lo ven como una herramienta prometedora para el diagnóstico oportuno de afecciones de la columna. Potencialmente, podría reducir la necesidad de procedimientos más riesgosos e invasivos, como las biopsias. Sugieren que las investigaciones futuras deberían centrarse en integrar conjuntos de datos de pacientes más grandes y diversos para evaluar la aplicabilidad más amplia del algoritmo. También destacaron la necesidad de estudios adicionales para explorar la viabilidad de utilizar métodos de aprendizaje profundo para identificar patologías de la columna mediante resonancia magnética.

"Aunque se basa en una cohorte segregada relativamente pequeña, este estudio representa el poder de las herramientas de aprendizaje profundo en la predicción de patologías de la columna y sienta las bases para desarrollar algoritmos basados en el aprendizaje profundo para este propósito", escribieron los autores.

Enlaces relacionados:
Centro Médico de Tel Aviv

Visitar la expo >

New

Ultrasound Table

Women’s Ultrasound EA Table

Multi-Use Ultrasound Table

Clinton

New

Mobile Cath Lab

Photon F65/F80

New

Stereotactic QA Phantom

StereoPHAN