El modelo de aprendizaje profundo ayuda a diferenciar el cáncer de colon y la diverticulitis aguda

Una red neuronal convolucional (CNN) tridimensional (3-D) se puede utilizar como un sistema de apoyo de inteligencia artificial (IA) para diferenciar el carcinoma de colon (CC) y la diverticulitis aguda (AD) en imágenes de tomografía computarizada (TC), según un estudio publicado en línea el 27 de enero en Red JAMA Abierta.

Sebastian Ziegelmayer, MD, de la Universidad Técnica de Munich en Alemania, y sus colegas desarrollaron y evaluaron un algoritmo de aprendizaje profundo capaz de diferenciar CC y AD en imágenes de TC y evaluaron el impacto del sistema de soporte de IA. Se incluyeron un total de 585 pacientes intervenidos de CC o DA (267 y 318, respectivamente) entre el 1 de julio de 2015 y el 1 de octubre de 2020. Se delinearon cuadros delimitadores tridimensionales que incluían el segmento intestinal enfermo y el mesenterio circundante y se usaron para desarrollar una CNN tridimensional. Se realizó un estudio con 10 lectores, a quienes se les pidió que clasificaran la cohorte de prueba sin y luego con apoyo de IA.

Los investigadores encontraron que para el conjunto de prueba, la CNN 3-D alcanzó una sensibilidad y especificidad de 83,3 y 86,6 por ciento, respectivamente, en comparación con la sensibilidad y especificidad media del lector de 77,6 y 81,6 por ciento, respectivamente. Hubo una mejora significativa para el grupo combinado de lectores con soporte de IA, de una sensibilidad de 77,6 a 85,6 por ciento y de una especificidad de 81,6 a 91,3 por ciento. La cantidad de resultados falsos negativos y falsos positivos también se redujo con el apoyo de la IA.

«El apoyo de la inteligencia artificial condujo a un aumento significativo en el rendimiento de diagnóstico de los radiólogos certificados por la junta y los residentes de radiología», escriben los autores.

Derechos de autor © 2023 SaludDía. Todos los derechos reservados.