Modelo de inteligencia artificial estima con precisión la función pulmonar utilizando radiografías de tórax

Tradicionalmente, las evaluaciones de la función pulmonar se realizan mediante un espirómetro, lo que requiere la cooperación del paciente. Los pacientes deben seguir instrucciones específicas para inhalar y exhalar en el dispositivo. Este método se vuelve desafiante cuando los pacientes, como bebés o personas con demencia, tienen dificultades para seguir las instrucciones o si el individuo está postrado en cama. Si bien los médicos dependen de las radiografías de tórax para diagnosticar enfermedades como la tuberculosis y el cáncer de pulmón, estas imágenes no proporcionan información sobre la funcionalidad pulmonar. Para abordar estas limitaciones, los investigadores han desarrollado un modelo de inteligencia artificial (IA) que es capaz de estimar la función pulmonar a partir de radiografías de tórax con alta precisión.

Un grupo de investigación de la Universidad Metropolitana de Osaka (Osaka, Japón) entrenó, validó y probó este modelo de IA utilizando más de 140.000 radiografías de tórax recopiladas durante casi dos décadas. Refinaron el modelo de IA comparando sus estimaciones con datos espirométricos reales. Los hallazgos, publicados en The Lancet Digital Health, mostraron una tasa de acuerdo excepcionalmente alta, con un coeficiente de correlación de Pearson (r) superior a 0,90, lo que sugiere que este método es muy prometedor para la aplicación clínica. El modelo de IA desarrollado en este estudio podría ampliar significativamente las opciones para la evaluación de la función pulmonar y beneficiar especialmente a los pacientes que no pueden realizar pruebas de espirometría tradicionales.

"Es muy significativo el hecho de que simplemente utilizando la información estática de las radiografías de tórax, nuestro método sugiere la posibilidad de estimar con precisión la función pulmonar, que normalmente se evalúa mediante pruebas que requieren que los pacientes ejerzan energía física", dijo el profesor asociado Daiju Ueda. quien dirigió el grupo de investigación. “Este modelo de IA se construyó gracias a la cooperación de muchas personas, desde médicos, investigadores y técnicos hasta pacientes de varias instituciones. Si puede ayudar a aliviar la carga de los pacientes y al mismo tiempo reducir los costos médicos, sería algo maravilloso”.

Enlaces relacionados:
Universidad Metropolitana de Osaka

Visitar la expo >

New

Radiation Safety Barrier

RayShield Intensi-Barrier

X-ray Diagnostic System

FDX Visionary-A

40/80-Slice CT System

uCT 528

Diagnostic Ultrasound System

DC-80A