Evaluación automatizada impulsada por aprendizaje profundo de la función diastólica ventricular izquierda en...

Área de la Ciencia:

• Cardiología
• La inteligencia artificial en la medicina
• Análisis de imágenes médicas

Sus antecedentes:

• La evaluación de la función diastólica del ventrículo izquierdo (LVDF) es crucial para el diagnóstico de afecciones cardíacas.
• El análisis tradicional de la ecocardiografía puede consumir mucho tiempo y estar sujeto a la variabilidad entre los observadores.
• Están surgiendo herramientas de análisis automatizadas para mejorar la eficiencia y la precisión.

Objetivo del estudio:

• Evaluar la viabilidad y la precisión de un modelo de aprendizaje profundo totalmente automatizado para la evaluación de LVDF.
• Para comparar las mediciones impulsadas por la IA con las interpretaciones manuales de expertos utilizando la ecocardiografía transtorácica 2D (ETT).
• Evaluar el rendimiento diagnóstico del modelo de IA en la clasificación de los grados de disfunción diastólica.

Principales métodos:

• Un estudio observacional prospectivo incluyó a 302 pacientes sometidos a TTE 2D por sospecha de disfunción diastólica.
• El software basado en IA (Ligence Heart) analizó automáticamente los parámetros diastólicos.
• Las mediciones de IA se compararon con las mediciones manuales de expertos.

Principales resultados:

• El modelo de IA demostró una alta tasa de éxito para los parámetros Doppler espectrales y de tejidos.
• Se observaron fuertes correlaciones para la velocidad E (r=0,93), la velocidad A (r=0,88), la relación E/A (r=0,94) y el índice de volumen auricular izquierdo (LAVi) (r=0,92).
• Se logró una alta precisión en la clasificación de los grados de disfunción diastólica normal y grave.

Conclusiones:

• La evaluación automatizada por IA de la LVDF mediante TTE 2D es factible y precisa.
• El modelo de IA proporciona mediciones basadas en pautas con una fuerte correlación con la interpretación de expertos.
• Este enfoque de IA muestra potencial para mejorar la consistencia y la eficiencia del diagnóstico en la práctica clínica.