Desarrollo y validación de una red neuronal convolucional basada en la región del punto clave para automatizar las...

Área de la Ciencia:

• La ortopedia
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• La escoliosis idiopática adolescente (AIS) causa deformidades espinales, con el diagnóstico y la evaluación de los resultados basados en las mediciones de ángulo de Cobb a partir de rayos X.
• Los métodos de detección actuales pueden carecer de interpretación por parte de expertos, lo que puede retrasar la intervención temprana.

Objetivo del estudio:

• Desarrollar y validar una herramienta de inteligencia artificial (IA) para la medición automatizada del ángulo de Cobb torácico (ACT) en AIS.
• Mejorar la precisión y la eficiencia del cribado de AIS y la evaluación de resultados postoperatorios.

Principales métodos:

• Se desarrolló una red neuronal convolucional basada en la región de puntos clave (KR-CNN) para la medición automatizada de TCA.
• El modelo KR-CNN fue entrenado en 609 radiografías de la columna vertebral completa de pacientes con AIS.
• La validación se realizó en 83 pacientes con EIA utilizando radiografías pre y postoperatorias.

Principales resultados:

• El modelo KR-CNN obtuvo un error medio absoluto (MAE) de 2,22 y un coeficiente de correlación intraclase (ICC) de 0,98.
• Las métricas de rendimiento incluyeron un error cuadrado promedio (MSE) de 9.1 y un error porcentual promedio simétrico (SMAPE) de 4.29.
• La herramienta de IA demostró un rendimiento superior en comparación con los métodos existentes.

Conclusiones:

• El método de IA desarrollado permite una detección rápida y precisa de AIS.
• Facilita la evaluación precisa de los resultados postoperatorios en pacientes con EIA.
• Esto proporciona una base para automatizar las mediciones espinopelvicas y un mayor desarrollo de IA en imágenes espinales.