Interpretación de resonancia magnética neonatal impulsada por IA: una revisión sistemática de la eficiencia...

Área de la Ciencia:

• Neurología Neonatal
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• La encefalopatía hipóxica isquémica (EHI) es una de las principales causas de morbilidad y mortalidad neonatal.
• La detección y el pronóstico precisos de la EHI son fundamentales para una intervención oportuna.
• Los métodos actuales de neuroimagen se enfrentan a desafíos de precisión y eficiencia.

Objetivo del estudio:

• Revisar sistemáticamente la aplicación de la IA en la neuroimagen neonatal para la detección y el pronóstico de la EIE.
• Evaluar la precisión del diagnóstico y las capacidades de pronóstico de los algoritmos de IA.
• Identificar las limitaciones y las direcciones futuras para la integración de la IA en la atención neonatal.

Principales métodos:

• Revisión sistemática de 5 estudios revisados por pares (2015-2025) de las principales bases de datos (PubMed, Embase, Scopus, Biblioteca Cochrane).
• Cumplimiento de las directrices PRISMA.
• El rigor metodológico se evaluó utilizando las herramientas NOS, RoB 2 y AMSTAR 2.

Principales resultados:

• La IA, en particular las CNN, demostró una alta precisión de diagnóstico para las lesiones cerebrales HIE (sensibilidad 83-95%, especificidad 86-93%), que a menudo superaba a la radiología convencional.
• El tiempo de interpretación de IA se redujo hasta en un 47%, optimizando los flujos de trabajo clínicos.
• Las herramientas de IA pronóstica lograron una precisión del 77-87% en la predicción de los resultados del desarrollo neurológico a largo plazo.

Conclusiones:

• La IA muestra un potencial significativo para revolucionar la neuroimagen neonatal para HIE, mejorando la precisión del diagnóstico y la evaluación del pronóstico.
• Las limitaciones incluyen tamaños de muestra pequeños, protocolos de resonancia magnética variados y demandas computacionales.
• La estandarización, la colaboración multicéntrica, la IA explicable, la validación rigurosa y la supervisión ética son esenciales para la integración clínica.