Validación de un algoritmo automatizado PRAGMA basado en inteligencia artificial y obstrucción de moco en la fibrosis...

Área de la Ciencia:

• Imágenes médicas
• La inteligencia artificial en la medicina
• Pulmonología

Sus antecedentes:

• PRAGMA-CF es un método de puntuación visual validado para cuantificar el daño estructural de las vías respiratorias en pacientes con fibrosis quística (FC) utilizando TC torácica.
• La cuantificación precisa de los daños en las vías respiratorias es crucial para la gestión y la investigación de la fibrilación auricular.

Objetivo del estudio:

• Validar un nuevo algoritmo automatizado basado en IA (PRAGMA-AI) y el algoritmo de enchufe de moco contra el método de puntuación visual establecido PRAGMA-CF.
• Evaluar la fiabilidad y la correlación de las puntuaciones derivadas de la IA con las evaluaciones visuales de los daños en las vías respiratorias en la FC.

Principales métodos:

• Análisis retrospectivo de 363 tomografías computarizadas de tórax de 178 pacientes con FQ.
• Comparación de los resultados de PRAGMA-CF visual, PRAGMA-AI automatizado y algoritmos de enchufe de moco utilizando estadísticas de correlación y acuerdo.
• Se realizaron análisis de sensibilidad para evaluar el impacto de la gravedad de la enfermedad, la cohorte, el número de porciones y el núcleo de convolución.

Principales resultados:

• El algoritmo PRAGMA-AI analizó con éxito el 97% de las tomografías computarizadas.
• Se observaron fuertes correlaciones entre las puntuaciones automáticas y visuales para el % de bronquiectasia (% BE), el % de enfermedad (% DIS) y el % de obstrucción de moco (% MP).
• Se encontró una correlación débil para el espesamiento de la pared de las vías respiratorias (%AWT); el acuerdo fue promedio para el %BE y el %DIS, pero débil para el %AWT.

Conclusiones:

• Las puntuaciones derivadas de la IA no son idénticas en tamaño, pero se correlacionan fuertemente con las puntuaciones visuales de PRAGMA-CF para las medidas clave de la enfermedad pulmonar CF.
• Los algoritmos PRAGMA-AI y Mucus Plugging representan una alternativa potencialmente valiosa y eficiente en el tiempo a la puntuación manual, especialmente para estudios a gran escala.
• La validación adicional puede apoyar la integración de herramientas basadas en la IA en la práctica clínica y la investigación rutinarias de la FQ.