El uso de la inteligencia artificial para detectar y prevenir las esponjas quirúrgicas retenidas

Área de la Ciencia:

• Tecnología médica
• Inteligencia artificial
• Seguridad del paciente

Sus antecedentes:

• Los artículos quirúrgicos retenidos (RSIs), en particular las esponjas (RSS), son una preocupación persistente para la seguridad del paciente.
• Los métodos tradicionales de prevención como el conteo manual y la RFID tienen limitaciones, lo que lleva a errores quirúrgicos continuos.
• La inteligencia artificial (IA) presenta un nuevo enfoque para mejorar la detección de artículos quirúrgicos retenidos.

Objetivo del estudio:

• Revisar la aplicación de la IA, específicamente los modelos de aprendizaje profundo, para prevenir las esponjas quirúrgicas retenidas.
• Evaluar la eficacia de las técnicas de IA para mejorar la detección de RSS en entornos quirúrgicos.
• Identificar los desafíos y las direcciones futuras para la IA en la prevención de RSI.

Principales métodos:

• Revisión de los estudios que aplican la IA, incluidas las redes neuronales convolucionales (CNN) y las redes neuronales artificiales (ANN), para la detección de RSS.
• Análisis del rendimiento de los modelos de IA en la interpretación de imágenes médicas (rayos X) y vídeos (laparoscopia).
• Examen de modelos de detección de objetos (por ejemplo, YOLO) y sistemas de detección asistida por ordenador (CAD).

Principales resultados:

• Los modelos basados en CNN demuestran mejoras significativas en la detección de RSS a partir de rayos X y videos laparoscópicos, a menudo superando la precisión humana.
• Los modelos de detección de objetos son prometedores para el seguimiento RSS en tiempo real durante la cirugía.
• Los sistemas CAD basados en ANN, especialmente con marcadores radiopacos, mejoran la precisión de la identificación de las esponjas retenidas.

Conclusiones:

• La IA, particularmente el aprendizaje profundo, tiene un potencial significativo para mejorar la seguridad del paciente al reducir las esponjas quirúrgicas retenidas.
• Desafíos como las limitaciones de datos y los falsos positivos requieren más investigación para una integración efectiva de la IA.
• La adopción generalizada de sistemas de detección de IA puede mejorar los resultados de los pacientes, reducir los costos de atención médica y prevenir eventos quirúrgicos nunca.