Imagen: Un programa de computadora vence a los radiólogos
en el análisis de resonancias magnéticas
(Fotografía cortesía de la CWRU).
(Fotografía cortesía de la CWRU).
Un nuevo estudio que enfrentó a dos médicos en contra de un algoritmo
informático de análisis de imágenes de resonancia magnética (RM) del cerebro,
encontró que el programa era casi dos veces más exacto.
Investigadores de la Universidad Case Western Reserve (CWRU; Cleveland, OH, EUA)
y del Centro Médico Southwestern de la Universidad de Texas (Dallas, TX, EUA),
realizaron un estudio para determinar la viabilidad de usar las características
de textura extraídas por computador, para diferenciar entre la necrosis por
radiación y los tumores cerebrales en los exámenes de resonancia magnética post-radioquimioterapia.
En total, se utilizaron 58 exámenes de pacientes, con 43 siendo la cohorte de
capacitación para el algoritmo y 15 siendo la cohorte de prueba.
Un conjunto de características radiómicas fue extraída para cada lesión en cada
secuencia de RM - T1WI, T2WI con gadolinio y FLAIR. Se utilizó la selección de
características para identificar las cinco mejores características más
discriminatorias para cada secuencia de resonancia magnética en la cohorte de
capacitación. Estas características fueron evaluadas, a continuación, en la
cohorte de ensayo mediante un clasificador de máquinas de vectores de soporte.
La clasificación del desempeño fue comparada contra lecturas de diagnóstico por
dos neuroradiólogos expertos, que tenían acceso a las mismas secuencias de RM
que el clasificador. Finalmente, los hallazgos histológicos clínicos fueron
confirmados por un neuropatólogo experimentado.
Los resultados revelaron que, en la comparación directa, un neuroradiólogo
diagnosticó siete pacientes correctamente, y el segundo médico diagnosticó
correctamente ocho pacientes. El programa de ordenador, por otro lado, estuvo
correcto en 12 de las 15 imágenes por resonancia magnética. Los investigadores
ahora están buscando validar la exactitud de los algoritmos usando una colección
mucho más grande de imágenes de varios sitios diferentes, por lo que con el
tiempo podría ser utilizado como una herramienta de ayuda para las decisiones,
con el fin de ayudar a los neuroradiólogos a mejorar su confianza en la
identificación de una lesión sospechosa. El estudio fue publicado el 15 de
septiembre de 2016, en la revista American Journal of Neuroradiology.
“Uno de los mayores desafíos con la evaluación del tratamiento de los tumores
cerebrales es diferenciar entre los efectos de confusión de la radiación y la
recurrencia del cáncer; en una resonancia magnética, se ven muy similares”, dijo
el autor principal, el ingeniero biomédico, Pallavi Tiwari, PhD, de la CWRU. “Lo
que los algoritmos ven y que los radiólogos no, son las diferencias sutiles en
las mediciones cuantitativas de la heterogeneidad del tumor y la descomposición
en la microarquitectura en la RM, que son mayores en la recidiva tumoral”.
“Mientras que los médicos utilizan la intensidad de los píxeles en las imágenes
por resonancia magnética como una guía, el computador ve en los bordes de cada
píxel; si los bordes apuntan en la misma dirección, la arquitectura está
conservada”, añadió el autor principal, el profesor de ingeniería biomédica
Anant Madabhushi, PhD, director del Centro para Imagenología Computacional y
Diagnósticos Personalizados en la CWRU. “Si apuntan en diferentes direcciones,
la arquitectura está interrumpida- entropía o desorden y la heterogeneidad es
mucho más alta”.
En una reciente competición en el Simposio 2016 Internacional de Imágenes
Biomédicas (ISBI), realizado en abril en Praga (República Checa), un algoritmo
informático de aprendizaje automático que fue entrenado para reconocer la
metástasis del cáncer de mama en los ganglios linfáticos identificó
correctamente el 92% por ciento de las veces, casi igualando la tasa de éxito
del 96% de un patólogo humano.
Enlaces relacionados:
Por el equipo editorial de Medimaging en español
No hay comentarios.:
Publicar un comentario