En un avance significativo para el campo de la radiología y el procesamiento de imágenes médicas, una herramienta de inteligencia artificial (IA) desarrollada por el equipo del ingeniero biomédico Abhinav Jha, profesor asistente en la Escuela de Ingeniería McKelvey y en el Instituto Mallinckrodt de Radiología de la Facultad de Medicina de la Universidad de Washington en St. Louis, ha demostrado mejorar notablemente la calidad de las imágenes médicas para aplicaciones clínicas. Este estudio ha sido publicado en la revista IEEE Transactions on Radiation and Plasma Medical Sciences.
El profesor Jha ha subrayado la importancia de evaluar estas herramientas en aplicaciones médicas no solo por su atractivo visual, sino por su desempeño en tareas clínicas específicas. En este contexto, el equipo de Jha ha desarrollado una herramienta de inteligencia artificial llamada DEMIST, diseñada para eliminar el ruido de las imágenes de tomografía computarizada por emisión de fotón único (SPECT) de imágenes de perfusión miocárdica (MPI), mejorando así su calidad y precisión en la detección de defectos cardíacos.
El desafío de las imágenes MPI SPECT
Las imágenes de perfusión miocárdica (MPI) SPECT son cruciales para evaluar el flujo sanguíneo al músculo cardíaco. Sin embargo, la obtención de estas imágenes requiere que los pacientes reciban una dosis de marcador radiactivo y permanezcan inmóviles durante hasta 15 minutos. Reducir la dosis del trazador o el tiempo de escaneo podría beneficiar a los pacientes y reducir los costos, pero también podría disminuir la calidad de las imágenes y su capacidad para visualizar defectos cardíacos.
Inspirado en la forma en que el sistema visual humano procesa la información, el equipo de Jha desarrolló DEMIST utilizando un enfoque de aprendizaje profundo específico para la tarea de detección. Esta herramienta elimina selectivamente el ruido de las imágenes MPI SPECT de bajo recuento, preservando al mismo tiempo las características cruciales para la detección de defectos cardíacos.
Evaluación y resultados prometedores
Para evaluar la eficacia de DEMIST, los investigadores analizaron datos clínicos anonimizados de 338 pacientes sometidos a estudios MPI en dos escáneres diferentes. Los resultados mostraron que DEMIST superó tanto a las exploraciones de dosis bajas como a un método común de eliminación de ruido en la tarea de detectar defectos cardíacos. Las imágenes procesadas con DEMIST mejoraron significativamente la detección de defectos cardíacos, independientemente del sexo del paciente, tipo de defecto y tipo de escáner utilizado.
Los análisis matemáticos adicionales confirmaron que DEMIST conservó las características cruciales para la detección, elevando así el rendimiento del observador.
Potencial futuro y beneficios para la atención al paciente
“Estos resultados proporcionan evidencia para una futura evaluación clínica del potencial de DEMIST para eliminar el ruido de las imágenes MPI SPECT”, afirmó Jha. “Estoy entusiasmado con estos hallazgos, ya que estamos viendo que la IA puede tener el potencial de mejorar la usabilidad de las imágenes médicas. Al brindar la posibilidad de reducir la dosis de radiación y el tiempo de adquisición, DEMIST ofrece posibilidades para mejorar la precisión y eficiencia de la detección de los defectos de perfusión miocárdica, beneficiando en última instancia la atención al paciente y los resultados del tratamiento”.
Impacto en la práctica médica de la IA
Este desarrollo representa un avance significativo en la integración de la inteligencia artificial en la práctica médica, particularmente en la radiología. La capacidad de DEMIST para mejorar la calidad de las imágenes médicas podría transformar la forma en que se realizan los diagnósticos, proporcionando a los médicos herramientas más precisas y eficientes para la detección de enfermedades cardíacas. Además, la reducción de la dosis de radiación y del tiempo de escaneo podría hacer que los procedimientos sean más seguros y cómodos para los pacientes, optimizando así los recursos de atención médica.
La herramienta DEMIST desarrollada por el equipo de la Universidad de Washington en St. Louis muestra un gran potencial para mejorar la precisión y eficiencia de las imágenes médicas, lo que podría tener un impacto significativo en la atención al paciente y en los resultados del tratamiento. Con futuras evaluaciones clínicas, esta innovación podría convertirse en un estándar en el diagnóstico de enfermedades cardíacas, marcando un nuevo hito en la aplicación de la inteligencia artificial en la medicina.
