Los investigadores han desarrollado un algoritmo destinado a detectar de forma automática y fiable un defecto cardíaco específico en los recién nacidos.
Muchos niños nacen con el famoso primer llanto. El recién nacido automáticamente jadea con este llanto. Los pulmones, que antes estaban en estado de reposo, se expanden, los vasos de los pulmones se expanden y todo el sistema circulatorio pasa a tener vida fuera del útero.
No siempre funciona tan bien. Especialmente en nacimientos prematuros o recién nacidos gravemente enfermos puede aparecer la llamada hipertensión pulmonar, una enfermedad grave en la que las arterias pulmonares permanecen estrechas después del nacimiento o se vuelven a cerrar en los primeros días o semanas después del nacimiento. Esto restringe el flujo sanguíneo a los pulmones y reduce la saturación de oxígeno en la sangre.
mejorar las perspectivas
Ahora es importante que los casos graves de hipertensión pulmonar puedan reconocerse y tratarse lo más rápido posible. Cuanto antes se realice la terapia, mejor será el pronóstico para el recién nacido.
Sin embargo, hacer el diagnóstico correcto no es fácil. Solo los cardiólogos pediátricos experimentados pueden diagnosticar la hipertensión pulmonar mediante un examen ecográfico completo del corazón. “La detección de la hipertensión pulmonar es muy compleja y requiere conocimientos muy específicos y mucha experiencia. Esto a menudo no está disponible, especialmente fuera de los grandes centros perinatales», afirma el Prof. Dr. Sven Wellmann, médico jefe del departamento de neonatología de la Clínica KUNO St. Hedwig of the Brothers of Mercy en Ratisbona, Alemania.
Los investigadores del grupo dirigido por Julia Vogt, profesora de ciencia de datos médicos en ETH Zurich , han desarrollado, junto con neonatólogos de la clínica KUNO St. Hedwig, un modelo informático que puede respaldar de forma fiable el diagnóstico de la enfermedad en niños recién nacidos.
IA confiable
Primero, los investigadores entrenaron su algoritmo con cientos de grabaciones de video de exámenes de ultrasonido cardíaco de 192 recién nacidos. Además de imágenes en movimiento del corazón latiendo desde diferentes ángulos, el conjunto de datos también contenía el diagnóstico realizado por cardiólogos pediátricos experimentados (hipertensión pulmonar presente o no) y una evaluación de la gravedad de la enfermedad (“leve” o “moderada a grave”). ”).
A continuación se comprobó la capacidad del algoritmo para interpretar las imágenes utilizando el conjunto de datos original y un segundo conjunto de datos con imágenes ecográficas de 78 recién nacidos, que el modelo aún desconocía por completo. El modelo logró sugerir el diagnóstico correcto en alrededor del 80-90% de los casos y determinó la gravedad correcta de la enfermedad en alrededor del 65-85% de los casos.
«Para que un modelo de aprendizaje automático pueda utilizarse en el campo médico, además de la precisión de la predicción, también es fundamental que las personas puedan comprender los criterios según los cuales el modelo toma sus decisiones», afirma Julia Vogt. Tu modelo lo permite. Marca las zonas en las imágenes ecográficas a partir de las cuales realizó su clasificación.
De este modo, los médicos pueden observar de cerca qué áreas o propiedades del corazón y sus vasos parecían anormales en el modelo. Al observar los conjuntos de datos disponibles, los cardiólogos pediátricos observaron que el modelo, sin estar explícitamente programado para ello, tiene en cuenta las mismas características que ellos.
diagnóstico
El modelo de aprendizaje automático es potencialmente aplicable a otros órganos y enfermedades. Por ejemplo, para el diagnóstico de defectos del tabique cardíaco o enfermedades de las válvulas cardíacas.
Especialmente en regiones donde no hay especialistas disponibles, un profesional médico puede tomar imágenes de ultrasonido estandarizadas y el modelo puede proporcionar una evaluación inicial de si existe algún riesgo y si se debe consultar a un especialista. En instalaciones médicas donde se dispone de especialistas altamente especializados, el modelo puede aliviarlos y contribuir a un diagnóstico mejor y más objetivo.
«La IA tiene el potencial de mejorar significativamente la atención sanitaria. «Pero lo fundamental para nosotros es que, al final, siempre es un ser humano, un médico, quien toma la decisión: la IA sólo nos ayuda a proporcionar al mayor número posible de personas la mejor atención médica posible», afirma Vogt. Fuente NetMedia Suiza(emg), traducido al español
Contacto