Segmentación automatizada de la válvula mitral en la ecocardiografía transtorácica de visión PLAX para la evaluación...

Área de la Ciencia:

• Cardiología
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• La segmentación manual de la válvula mitral en la ecocardiografía transtorácica (ETT) requiere mucho tiempo y es variable.
• La segmentación precisa es crucial para extraer los parámetros anatómicos clave para el manejo clínico.

Objetivo del estudio:

• Desarrollar y validar un nuevo método basado en IA para la segmentación automática de la válvula mitral y la extracción de mediciones anatómicas de TTE.
• Evaluar la relevancia clínica de estas mediciones automatizadas para predecir los resultados de los pacientes.

Principales métodos:

• Se diseñó una red neuronal profunda para la segmentación del prospecto de la válvula mitral utilizando videos ecocardiográficos segmentados manualmente.
• Las medidas anatómicas clave (longitud del folleto, diámetro del anillo, área de inclinación, longitud de la coaptación) se extrajeron de segmentaciones automatizadas.
• Se realizó un análisis de supervivencia por regresión de Cox para evaluar la asociación de las mediciones con la hospitalización por insuficiencia cardíaca o la mortalidad por cualquier causa.

Principales resultados:

• El modelo de IA logró una alta precisión de segmentación (distancia media de la superficie: 0,89 mm, distancia de Hausdorff: 3,34 mm, consistencia temporal: 97%).
• El diámetro automático del anillo, el área de inclinación, la altura de inclinación y la longitud de la coaptación se asociaron significativamente con los resultados clínicos adversos en el análisis univariable.
• El diámetro del anillo y la longitud de la coaptación predijeron de forma independiente el resultado clínico en el análisis multivariable.

Conclusiones:

• El método de IA desarrollado permite una segmentación de la válvula mitral precisa y automatizada y la cuantificación de las mediciones anatómicas de TTE.
• Las mediciones automatizadas muestran un valor pronóstico significativo, comparable a la evaluación por expertos de la regurgitación mitral.
• Este enfoque de IA tiene potencial para mejorar la estratificación del riesgo en pacientes cardíacos.