MADRID 16 Ago. (EUROPA PRESS) -
Investigadores de la Escuela de Medicina Icahn en Mount Sinai y publicado hoy en la han desarrollado una plataforma de inteligencia artificial diseñada para identificar una amplia gama de enfermedades neurológicas agudas, como apoplejía, hemorragia e hidrocefalia, capaz de reconocer la enfermedad en tomografías computarizadas hasta 1,2 segundos, más rápido que el diagnóstico humano.
"Con un tiempo total de procesamiento e interpretación de 1.2 segundos, dicho sistema de triage puede alertar a los médicos sobre un hallazgo crítico que de otra manera podría permanecer en cola durante minutos u horas. Estamos ejecutando la visión de desarrollar inteligencia artificial en medicina que resolverá problemas clínicos y mejorará la atención del paciente", ha señalado el autor principal Eric Oermann, MD, Instructor en el Departamento de Neurocirugía en la Escuela de Medicina Icahn en Mount Sinai.
Este estudio, publicado en 'Nature Medicine', es el primero que utiliza inteligencia artificial para detectar una amplia gama de eventos neurológicos agudos y para demostrar una aplicación clínica directa. Los investigadores utilizaron 37.236 tomografías computarizadas de cabeza para entrenar una red neuronal profunda para identificar si una imagen contenía hallazgos críticos o no críticos.
Después, la plataforma se probó en un ensayo controlado aleatorizado y ciego en un entorno clínico simulado en el que se analizaron los escáneres de TC de cabeza en función de la gravedad. El 'software' de la computadora fue probado para saber qué tan rápido podría reconocer y proporcionar una notificación en comparación con el tiempo que le llevó al radiólogo detectar una enfermedad. El tiempo promedio para que el algoritmo de la computadora preprocesa una imagen, ejecuta su método de inferencia y, si es necesario, activa una alarma, es 150 veces más corto que para que los médicos lean la imagen.
Este estudio utilizó "enfoques de aprendizaje supervisados", que se basaron en la experiencia del equipo de investigación en el procesamiento del lenguaje natural y en los grandes conjuntos de datos clínicos del Sistema de Salud Mount Sinai.
El doctor Oermann ha señalado que la próxima fase de esta investigación implicará un etiquetado informático mejorado de las tomografías computarizadas y un cambio hacia "enfoques de aprendizaje fuertemente supervisados" y nuevas técnicas para aumentar la eficacia de los datos. Los investigadores estiman que el objetivo de reingeniería del sistema con estos cambios se logrará en los próximos dos años.
"La expresión 'el tiempo es cerebro' significa que la respuesta rápida es fundamental en el tratamiento de enfermedades neurológicas agudas, por lo que cualquier herramienta que disminuya el tiempo hasta el diagnóstico puede mejorar los resultados del paciente", ha explicado Joshua Bederson, profesor y coautor del estudio y presidente del Sistema para el Departamento de Neurocirugía del Sistema de Salud Mount Sinai y Director Clínico del Núcleo de Simulación de Neurocirugía.
"La aplicación de técnicas de aprendizaje profundo y visión por computadora a imágenes radiológicas es un imperativo claro para la atención médica del siglo XXI", concluye el autor del estudio Burton Drayer, MD, Charles M. y Marilyn Newman, profesor y jefe del sistema del Departamento de Radiología para el Mount Sinai Health System, CEO de Mount Sinai Doctors Faculty Practice, y Dean de Asuntos Clínicos de Icahn School of Medicine.
