BrightHeart , una empresa de tecnología médica con sede en París, se ha propuesto mejorar la detección de cardiopatías fetales.
En el caso de los niños que nacen con cardiopatías congénitas, el diagnóstico temprano antes del nacimiento es esencial para garantizar que el bebé reciba una atención optimizada después del parto y obtenga el mejor resultado posible. Sin embargo, solo el 34 % de las cardiopatías congénitas se detectan antes del nacimiento . BrightHeart , una empresa de tecnología médica con sede en París, se ha propuesto mejorar la detección de cardiopatías fetales. La empresa ha creado un software médico impulsado por IA con el apoyo del modelo DINOv2 de Meta para ayudar a los médicos a identificar o descartar signos sugestivos de cardiopatías congénitas de forma más rápida y precisa, con el objetivo de mejorar el pronóstico de los niños afectados.
BrightHeart obtuvo recientemente la autorización 510(k) de la FDA para su primer software de inteligencia artificial a un ritmo sin precedentes (solo dos años después de la fundación de la empresa), en parte gracias a la implementación eficiente de herramientas avanzadas como el modelo de código abierto DINOv2 de Meta para acelerar la I+D. Basándose en las bases del modelo DINO 2021 , DINOv2 utiliza el aprendizaje autosupervisado para obtener una comprensión más profunda de las imágenes y el vídeo. Esto permite un rendimiento de clasificación de vídeo extremadamente preciso, que puede ayudar en la detección temprana de defectos cardíacos congénitos. Al aprovechar el poder de la IA y el aprendizaje automático, BrightHeart tiene como objetivo revolucionar la detección cardíaca fetal y brindar a los niños con defectos cardíacos congénitos la mejor oportunidad posible de tener una vida saludable y feliz.
BrightHeart fue fundada por dos cardiólogos pediátricos que reconocieron una brecha significativa en la detección de cardiopatías congénitas, que a menudo se pasan por alto debido a la complejidad del examen de ultrasonido, el alto nivel de conocimientos y experiencia necesarios para una detección adecuada y la variedad de presentaciones morfológicas de cardiopatías congénitas en un corazón fetal que normalmente mide menos de 1 cm. Este descuido puede tener graves consecuencias, que afectan significativamente la morbilidad y la mortalidad.
Ilustración del análisis del dispositivo BrightHeart: los hallazgos sospechosos se identifican mediante el análisis de las características morfológicas de ocho corazones fetales (izquierda). Los resultados se muestran al usuario para cada cuadro (arriba a la derecha), sin segmentación ni datos de medición.
Dadas las importantes consecuencias negativas que conllevan las cardiopatías congénitas no detectadas, el equipo de BrightHeart está trabajando urgentemente para llevar su innovador software al mercado lo antes posible. En función de esto, durante la etapa de I+D era importante seleccionar herramientas que no solo cumplieran con sus estrictos estándares de privacidad y seguridad, sino que también ofrecieran resultados incomparables a una velocidad récord. Desde el principio, DINOv2 destacó no solo por su calidad e innovación, sino también por el hecho de que su naturaleza de código abierto permite que el modelo se descargue y use de forma privada, y todos los datos permanecen estrictamente dentro del ecosistema de BrightHeart.
“Nuestro principal objetivo al seleccionar nuestra herramienta de redes neuronales era tener una red neuronal de alta calidad, innovadora y eficiente que pudiéramos ejecutar en cuestión de minutos”, afirma Eric Askinazi, científico de datos principal de Brightheart. “Nuestro proceso de evaluación comenzó con casi una docena de candidatos para la clasificación, y DINOv2 fue la opción clara”.
El equipo aprovechó la naturaleza de código abierto de DINOv2 para acelerar el proceso de desarrollo de su producto. Como el tiempo era su mayor limitación, descubrieron que un modelo previamente entrenado era increíblemente conveniente y les permitía centrarse en integrar la tecnología en su solución en lugar de desarrollarla desde cero. BrightHeart entrenó sus modelos utilizando DINOv2 como base para analizar videoclips de exámenes de ultrasonido e identificar si el examen es normal o señalar si presenta signos que puedan indicar la presencia de una cardiopatía congénita.
“Nos ha permitido ponernos al día y conseguir mejores resultados más rápidamente”, señala Askinazi.
Publicación de resultados originales: Lam-Rachlin, J., et al. (2024), OP02.05: Detección mejorada por IA de sospecha de cardiopatía congénita en ecografías del segundo trimestre realizadas por obstetras, ginecólogos y obstetras con y sin experiencia en medicina familiar. Ultrasound Obstet Gynecol, 64: 63-63. https://doi.org/10.1002/uog.27887
Una vez que estén listos para entrar en producción, el equipo espera que la tasa de diagnóstico prenatal de cardiopatías congénitas aumente significativamente, ayudando así a evitar posibles complicaciones después del nacimiento. Askinazi dice que lograr la reciente autorización de la FDA en un tiempo récord no habría sido posible sin DINOv2. Está seguro de que BrightHeart puede tener un impacto significativo en el futuro de los diagnósticos y el estándar de atención para los recién nacidos.
“No hemos visto nada que se acerque en términos de relación entre rendimiento y velocidad de inferencia, por lo que DINOv2 ha sido una gran herramienta para nosotros”, afirma Askinazi. “Estamos satisfechos con el rápido desarrollo del producto hasta ahora, y ahora el objetivo es ponerlo en manos de los médicos para acelerar la mejora de la atención al paciente”. Meta Blog. Traducido al español
Contacto