Validación de un análisis automatizado de imágenes por TC en la prevención de cálculos urinarios con ensayo de...

Área de la Ciencia:

• Nefrología
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• El crecimiento de cálculos renales y la formación de nuevos cálculos son puntos finales críticos en ensayos clínicos.
• La revisión manual de la tomografía computarizada para la evaluación de las piedras requiere mucho tiempo y es laboriosa.

Objetivo del estudio:

• Validar un algoritmo de aprendizaje automático para la evaluación automática de los resultados de las tomografías computarizadas longitudinales.
• Para evaluar la precisión del algoritmo en la identificación de crecimiento de piedra, nueva formación de piedra, y la pérdida de piedra.

Principales métodos:

• Un algoritmo de aprendizaje automático previamente entrenado analizó tomografías computarizadas longitudinales de 62 participantes en el ensayo PUSH.
• Los cálculos se definieron por el tamaño (≥2 mm) y los umbrales de densidad.
• Los resultados del algoritmo se compararon con la revisión clínica de expertos.

Principales resultados:

• El algoritmo logró una precisión del 98,4% en la clasificación de los resultados de las piedras a través de tomografías computarizadas emparejadas.
• Una clasificación errónea fue identificada como calcificación de la arteria renal, no crecimiento de piedra.

Conclusiones:

• El análisis automatizado de imágenes utilizando este algoritmo es altamente preciso para determinar los resultados clínicos de los cálculos renales.
• Este método ofrece un potencial para mejorar la precisión y la eficiencia en la atención clínica y la determinación de los puntos finales del ensayo.