Desarrollo de un modelo de aprendizaje profundo para estimar la edad gestacional del recién nacido a través de la...

Área de la Ciencia:

• Imágenes médicas
• Inteligencia artificial en el cuidado de la salud
• Medicina neonatal

Sus antecedentes:

• La estimación precisa de la edad gestacional (AG) es crucial para la atención neonatal.
• Los métodos tradicionales para la evaluación de la AG pueden consumir mucho tiempo o requerir equipos especializados.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje profundo para la estimación de la AG en recién nacidos.
• Evaluar el rendimiento del modelo en la segmentación de los cuerpos vertebrales lumbares y la estimación de la AG a partir de las radiografías.

Principales métodos:

• Estudio retrospectivo de 423 radiografías neonatales.
• Desarrollo de un modelo de aprendizaje profundo utilizando las arquitecturas DeepLabv3+ y ResNet para la segmentación y la estimación de AG.
• Validación externa en un conjunto de datos separado de 167 radiografías.

Principales resultados:

• El modelo de segmentación logró un coeficiente de similitud Dice promedio de 0,801 ± 0,031.
• El modelo de estimación de AG arrojó un error medio absoluto de 5,2 ± 0,5 días.
• El análisis de Bland-Altman mostró un sesgo de -0,4 días con límites de acuerdo del 95% de -13,0 a 12,3 días.

Conclusiones:

• El modelo de aprendizaje profundo demuestra un rendimiento prometedor para la segmentación del cuerpo vertebral lumbar y la estimación de AG.
• Esta herramienta de IA tiene potencial como método de apoyo para evaluar la madurez neonatal en la práctica clínica.