Resumen de Clasificación de imágenes de TC con hemorragia intracraneal mediante el uso de inteligencia artificial
Los sistemas de Inteligencia Artificial y, en particular, las redes neuronales convolucionales han revolucionado en los últimos años el análisis automatizado de la imagen y se ha extendido su uso a la imagen médica. Uno de los campos donde estos sistemas pueden ser de gran utilidad es en la interpretación de imágenes que, bien por su complejidad o bien por su número, son un reto en la práctica médica habitual. Esto ocurre en el caso de la tomografía computarizada craneal para la detección de la hemorragia intracraneal aguda.
La hemorragia intracraneal es una de las principales causas de muerte y discapacidad hoy en día y su detección temprana mediante tomografía computarizada es uno de los pilares para la mejora del pronóstico de estos pacientes. El número de tomografías computarizadas craneales que se realizan en los hospitales es cada vez mayor, lo que ha dado lugar a una sobrecarga asistencial en los servicios de Radiología. Esta sobrecarga asistencial puede convertirse en un riesgo para el paciente si condiciona un retraso en el diagnóstico. Asimismo, algunas hemorragias intracraneales pueden manifestarse con signos sutiles siendo de muy difícil detección.
Con relación al pronóstico, este no ha variado significativamente a lo largo de los años (al contrario que en el ictus isquémico) y son necesarios nuevos avances tanto en el tratamiento como en la predicción del pronóstico.
Por todo ello, éste es un campo atractivo para el empleo de técnicas de Inteligencia Artificial. Por un lado, sistemas para el diagnóstico automatizado de la hemorragia intracraneal podrían facilitar o agilizar el trabajo del radiólogo, así como ayudar en la detección de aquellas hemorragias sutiles o de difícil detección. Por otro lado, el desarrollo de sistemas que predigan el pronóstico podría ser de utilidad tanto en la toma de decisiones clínicas como en el diseño de ensayos clínicos permitiendo la estratificación de paciente en función del pronóstico para su inclusión en los diferentes grupos de tratamiento.
En este trabajo se ha investigado acerca de la clasificación de imágenes de tomografía computarizada con hemorragia intracraneal mediante el uso de técnicas de Inteligencia Artificial.
Por un lado, se ha desarrollado un modelo de Inteligencia Artificial que detecta la hemorragia intracraneal con el objetivo de agilizar y ayudar en el trabajo de los radiólogos. Asimismo, se han comparado los resultados con los del estado del arte y se ha comparado su rendimiento con y sin la introducción de datos demográficos junto con las imágenes como dato de entrada del modelo.
La utilización de datos tabulares (demográficos) ha permitido conseguir resultados a la altura de estado del arte con una menor cantidad de imágenes de entrenamiento.
Por otro lado, se ha desarrollado un modelo de Inteligencia Artificial que predice el pronóstico de los pacientes con hemorragia intracraneal y se ha comparado su rendimiento con y sin la adición de datos clínicos. La utilización de datos clínicos junto a las imágenes permitido conseguir un modelo pronóstico con buenos resultados.
Adicionalmente, el presente trabajo aporta una base de datos pública con imágenes bi- y tridimensionales de pacientes con hemorragia intracraneal y sin ella, preparado para su uso en el entrenamiento de modelos de aprendizaje automático.
