Un modelo de inteligencia artificial (IA) para la interpretación de electroencefalogramas (EEG) clínicos de rutina demuestra un rendimiento similar al de los expertos humanos, según un estudio publicado en línea el 20 de junio en JAMA Neurología.
Jesper Tveit, Ph.D., de Holberg EEG en Bergen, Noruega, y sus colegas desarrollaron y validaron un modelo de IA, Informes organizados basados en computadora estandarizados de EEG-Inteligencia artificial (SCORE-AI), que puede distinguir las grabaciones de EEG anormales de las normales. y clasificar registros de EEG anormales en categorías. SCORE-AI se desarrolló y validó utilizando EEG registrados entre 2014 y 2020. Se incluyeron un total de 30 493 registros en el conjunto de datos de desarrollo, anotados por 17 expertos. SCORE-AI se validó utilizando tres conjuntos de datos independientes: un conjunto de datos multicéntrico de 100 EEG representativos; un conjunto de datos de un solo centro de 9.785 EEG; y un conjunto de datos de 60 EEG con estándar de referencia externo para la evaluación comparativa con modelos publicados anteriormente.
Los investigadores encontraron que SCORE-AI logró una alta precisión; para las diferentes categorías de anomalías del EEG, el área bajo la curva característica operativa del receptor varió de 0,89 a 0,96, con un rendimiento similar al de los expertos humanos. La evaluación comparativa con tres modelos de IA publicados anteriormente se limitó a comparar la detección de anomalías epileptiformes. La precisión de SCORE-AI fue del 88,3 por ciento, que fue significativamente más alta que los modelos publicados anteriormente y similar a la de los expertos humanos.
«Nuestro modelo de red neuronal convolucional, SCORE-AI, logró un rendimiento de nivel experto en la lectura de EEG clínicos de rutina», escriben los autores. «Su aplicación puede ayudar a proporcionar información clínica útil en áreas remotas y desatendidas donde la experiencia en la interpretación de EEG es mínima o no está disponible».
Varios autores revelaron vínculos con la industria farmacéutica.
Más información:
Jesper Tveit et al, Interpretación automatizada de electroencefalogramas clínicos mediante inteligencia artificial, JAMA Neurología (2023). DOI: 10.1001/jamaneurol.2023.1645
Jonathan K. Kleen et al, La nueva era de la interpretación automatizada de electroencefalogramas, JAMA Neurología (2023). DOI: 10.1001/jamaneurol.2023.1082
Derechos de autor © 2023 SaludDía. Reservados todos los derechos.
Citación: modelo de IA para la interpretación de EEG similares a expertos humanos (27 de junio de 2023) consultado el 27 de junio de 2023 en https://medicalxpress.com/news/2023-06-ai-eegs-similar-human-experts.html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.
