Algoritmo de IA supera a los médicos de emergencia en detección de fracturas en radiografías

El campo del diagnóstico por imágenes ha experimentado un progreso notable en la aplicación de la inteligencia artificial (IA), en particular en la identificación de fracturas en radiografías convencionales. A pesar de los notables avances, existen investigaciones limitadas sobre la detección de fracturas en la población pediátrica, dadas sus diferencias anatómicas únicas y los cambios relacionados con la edad. La falla en la identificación de fracturas en los niños puede tener serias implicaciones en su crecimiento y desarrollo. Ahora, un nuevo estudio sugiere que los algoritmos de aprendizaje profundo pueden ayudar en la detección de fracturas en niños.

Investigadores del Centro Médico de la Universidad de Caen (Caen, Francia) llevaron a cabo un estudio para evaluar la eficacia de un algoritmo de IA, basado en redes neuronales profundas, para identificar fracturas apendiculares traumáticas en una población pediátrica. El objetivo del estudio fue comparar la sensibilidad, la especificidad, el valor predictivo positivo y el valor predictivo negativo de varios lectores y el algoritmo de IA. El análisis retrospectivo involucró cerca de 900 pacientes menores de 18 años, que se sometieron a imágenes de trauma que no amenazaban la vida. Los especialistas en imagen analizaron retrospectivamente radiografías del hombro, brazo, codo, antebrazo, muñeca, mano, pierna, rodilla, tobillo y pie para el estudio.

Cuando se trataba de identificar fracturas, el algoritmo de IA superó a los médicos de urgencias, pero no pudo superar a los radiólogos experimentados. El algoritmo predijo con éxito 174 de 182 fracturas con una puntuación de sensibilidad del 95,6 % y una especificidad del 91,6 %, en comparación con una puntuación de sensibilidad del 98,35 % para radiólogos pediátricos y del 95,05 % para residentes senior. Los médicos de emergencia mostraron una puntuación de sensibilidad de solo el 81,87 % y los residentes junior alcanzaron el 90,1 %. Además, el algoritmo de IA también detectó tres fracturas (o el 1,6 %) que inicialmente no fueron detectadas por un radiólogo pediátrico.

"La falla en el diagnóstico temprano de fracturas en los niños puede tener graves consecuencias para el crecimiento", dijo el autor principal Idriss Gasmi, del Departamento de Radiología del Centro Médico de la Universidad de Caen en Francia. “Este estudio sugiere que los algoritmos de aprendizaje profundo pueden ser útiles para mejorar la detección de fracturas en niños”.

Enlaces relacionados:
Centro Médico de la Universidad de Caen  

Visitar la expo >

Ultrasound-Guided Biopsy & Visualization Tools

Endoscopic Ultrasound (EUS) Guided Devices

New

Mammography System (Analog)

MAM VENUS

Medical Radiographic X-Ray Machine

TR30N HF

New

Diagnostic Ultrasound System

DC-80A