Cuantificación automatizada de la degeneración de la columna cervical con el desarrollo de un marco de segmentación...

Área de la Ciencia:

• Ingeniería biomédica
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• La osificación del ligamento longitudinal posterior (OPLL) es una degeneración común de la columna cervical que causa disfunción de la médula espinal.
• La evaluación manual de la OPLL es incoherente, costosa y desafiada por la diversidad morfológica y los datos limitados.

Objetivo del estudio:

• Desarrollar un marco automatizado para cuantificar el OPLL utilizando inteligencia artificial.
• Para codificar el conocimiento médico en un modelo de segmentación para una mayor precisión y consistencia.

Principales métodos:

• Se desarrolló un marco de cognición anatómica probabilística (PAC), modelando la anatomía OPLL con representaciones probabilísticas de varios niveles.
• Se empleó inferencia de forma de lógica profunda, integrando priores anatómicos con observaciones de varios niveles para la segmentación.
• El marco imita la lógica jerárquica para inferir lesiones de la forma global del canal espinal a las características locales.

Principales resultados:

• El marco PAC demostró una mejora del 10% en el coeficiente de similitud de dados (DSC) con respecto a los métodos de referencia.
• El marco logró una gran coherencia con las evaluaciones de expertos para las métricas clínicas de la lesión.
• Probado en un conjunto de datos de 439 pacientes, validando su rendimiento en datos clínicos.

Conclusiones:

• El marco PAC proporciona una nueva línea de segmentación automatizada y métricas 3D para la cuantificación de OPLL.
• Este enfoque ofrece información valiosa para la toma de decisiones quirúrgicas en la degeneración de la columna cervical.
• El método impulsado por la IA mejora la interpretabilidad y la generalización al tiempo que reduce la dependencia de los datos.