Bias en las evaluaciones de calidad de imagen basadas en aprendizaje profundo de imágenes ponderadas por T2 en...

Área de la Ciencia:

• Radiología
• Inteligencia artificial
• Imágenes médicas

Sus antecedentes:

• Los modelos de aprendizaje profundo (DL) se utilizan cada vez más para la evaluación automatizada de la calidad de la imagen (IQ) en imágenes médicas.
• Las imágenes ponderadas por T2 (T2WI) son cruciales para el diagnóstico del cáncer de próstata.
• Los posibles sesgos en la evaluación del coeficiente intelectual basado en DL podrían afectar a las interpretaciones clínicas.

Objetivo del estudio:

• Investigar si la presencia de cáncer de próstata clínicamente significativo (csPCa) sesga la evaluación del CI basado en DL de T2WI.
• Evaluar la fiabilidad de los modelos DL para distinguir la degradación del coeficiente intelectual en el contexto de la csPCa.

Principales métodos:

• Un estudio retrospectivo que incluyó 2.105 series T2WI clasificadas por radiólogos.
• Desarrollo de un modelo DL para la clasificación del coeficiente intelectual y evaluación de su acuerdo con los radiólogos expertos (kappa=0,53).
• Aplicación del modelo a 11.723 exámenes de resonancia magnética, comparando las proporciones de csPCa en los grupos de coeficiente intelectual degradado frente a los óptimos utilizando el emparejamiento de casos y controles.

Principales resultados:

• El modelo DL mostró un acuerdo moderado con los radiólogos.
• La degradación leve a moderada del coeficiente intelectual se asoció significativamente con proporciones más altas de csPCa en comparación con el coeficiente intelectual óptimo.
• Diferencias específicas observadas: degradación moderada (3,6% más alto csPCa), degradación leve (2,7% más alto csPCa).

Conclusiones:

• La evaluación del CI basado en DL de T2WI puede estar sesgada negativamente en pacientes con csPCa.
• Este sesgo plantea preocupaciones con respecto a la utilidad clínica y la fiabilidad de los modelos de DL para la evaluación del coeficiente intelectual en la resonancia magnética de la próstata.
• Se necesita más investigación para abordar y mitigar estos posibles sesgos para una aplicación clínica precisa.