Inteligencia artificial detecta defectos cardíacos en recién nacidos a partir de imágenes de ultrasonido

La hipertensión pulmonar es una afección en la que las arterias que van a los pulmones de un bebé no se abren lo suficiente o no se cierran poco después del nacimiento. Esto dificulta que la sangre llegue a los pulmones y que el bebé obtenga suficiente oxígeno. Es muy importante encontrar y tratar este problema rápidamente para ayudar al bebé a mejorar. Sin embargo, determinar si un bebé tiene hipertensión pulmonar es difícil y, por lo general, sólo los cardiólogos muy capacitados pueden hacerlo observando las ecografías del corazón. Ahora, los investigadores han desarrollado un modelo de inteligencia artificial (IA) que puede ayudar a diagnosticar la enfermedad en los recién nacidos.

Investigadores de ETH Zurich (Zúrich, Suiza) desarrollaron el modelo de IA entrenando su algoritmo con vídeos de grabaciones de ecografías cardíacas de 192 recién nacidos. Estos videos mostraban el corazón latiendo desde diferentes lados e incluían las opiniones de los cardiólogos sobre si el bebé tenía hipertensión pulmonar y la gravedad de la afección. Luego, probaron el modelo de IA utilizando un segundo conjunto de datos de imágenes de ultrasonido de 78 recién nacidos. El modelo de IA diagnosticó correctamente si el bebé tenía hipertensión pulmonar en aproximadamente el 80 al 90 % de los casos y también acertó en cuanto a la gravedad en aproximadamente el 65 al 85 % de los casos.

El modelo de IA también resalta las partes de la imagen de ultrasonido en las que se basa su categorización, permitiendo a los médicos saber exactamente qué áreas o características del corazón y sus vasos sanguíneos consideran sospechosas. Este modelo de IA podría aplicarse potencialmente a otros órganos y enfermedades, como el diagnóstico de defectos del tabique cardíaco o valvulopatías. También podría encontrar aplicación en regiones donde no hay especialistas disponibles: el modelo podría examinar imágenes de ultrasonido estandarizadas tomadas por un profesional de la salud y proporcionar una evaluación de riesgo preliminar e indicar si se debe consultar a un especialista. Los centros médicos sin acceso a especialistas altamente calificados podrían utilizar el modelo de IA para reducir su carga de trabajo y lograr un mejor diagnóstico.

"La clave para utilizar un modelo de aprendizaje automático en un contexto médico no es sólo la precisión de la predicción, sino también si los humanos son capaces de comprender los criterios que utiliza el modelo para tomar decisiones", dijo Julia Vogt de ETH Zurich, quien dirigió el grupo de investigación. “La IA tiene el potencial de realizar mejoras significativas en la atención sanitaria. La cuestión crucial para nosotros es que la decisión final siempre la tome una persona, un médico. La IA debería simplemente brindar apoyo para garantizar que el máximo número de personas pueda recibir la mejor atención médica posible”.

Enlaces relacionados:
ETH Zúrich

Visitar la expo >

Miembro Plata

X-Ray QA Device

Accu-Gold+ Touch Pro

Medical Radiographic X-Ray Machine

TR30N HF

Computed Tomography System

Aquilion ONE / INSIGHT Edition

Diagnostic Ultrasound System

DC-80A