Detección del neumoperitoneo neonatal en las radiografías mediante aprendizaje múltiple profundo

Área de la Ciencia:

• Imágenes médicas
• La inteligencia artificial en la medicina
• Cuidado neonatal

Sus antecedentes:

• El neumoperitoneo neonatal presenta signos radiográficos sutiles, lo que dificulta el diagnóstico de emergencia.
• El diagnóstico rápido es crítico para esta condición que pone en peligro la vida.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje múltiple profundo para la detección del neumoperitoneo neonatal.
• Evaluar la utilidad clínica del modelo y su impacto en el rendimiento diagnóstico del clínico.

Principales métodos:

• Estudio de diagnóstico retrospectivo con conjuntos de datos internos y externos de varias unidades de cuidados intensivos neonatales.
• Un modelo de aprendizaje múltiple profundo que combina clasificación y segmentación para la detección del neumoperitoneo.
• Estudio de lectores que compara el rendimiento asistido por IA y no asistido entre médicos con diferentes niveles de experiencia.

Principales resultados:

• El modelo de IA logró un alto rendimiento de diagnóstico: AUC de 0,98 (interno) y 0,89 (externo).
• La asistencia de IA mejoró significativamente la precisión del lector (82.5% a 86.6%) y el acuerdo entre lectores (kappa de 0.33 a 0.71).
• El modelo demostró un excelente rendimiento de diagnóstico y mejoró las capacidades de diagnóstico clínico.

Conclusiones:

• El modelo de aprendizaje multitarea profundo desarrollado muestra un excelente rendimiento diagnóstico para el neumoperitoneo neonatal.
• La asistencia de la IA mejora la precisión del diagnóstico y el acuerdo entre los médicos en los entornos de cuidados intensivos neonatales.
• Esta herramienta de IA tiene el potencial de mejorar el manejo clínico del neumoperitoneo neonatal.