Medición del volumen hepático basada en inteligencia artificial utilizando imágenes TC preoperatorias y...

Área de la Ciencia:

• Imágenes médicas
• La inteligencia artificial en la medicina
• Planificación quirúrgica

Sus antecedentes:

• La volumetría hepática precisa es esencial para el éxito de la hepatectomía y la recuperación del paciente.
• Los métodos actuales para la evaluación del volumen hepático pueden consumir mucho tiempo y ser subjetivos.
• El seguimiento de la regeneración hepática posterior a la hepatectomía es crítico para predecir los resultados.

Objetivo del estudio:

• Desarrollar y validar un sistema de aprendizaje profundo para la volumetría hepática automatizada.
• Para evaluar la precisión del modelo de IA en múltiples puntos de tiempo postoperatorios.
• Evaluar el potencial de la IA en el seguimiento de la regeneración hepática después de la hepatectomía.

Principales métodos:

• Se entrenó un modelo de aprendizaje profundo U-Net 3D en imágenes de TC.
• Los datos incluyeron escaneos preoperatorios, de 7 días y de 3 meses después de la operación.
• Se utilizó una validación cruzada de cinco veces para evaluar el rendimiento del modelo.

Principales resultados:

• El modelo de IA logró un alto coeficiente de similitud de dados (DSC) de 94,31%.
• Se observó una excelente precisión volumétrica, con una diferencia media de ~ 1% en los puntos de tiempo.
• El modelo demostró un rendimiento consistente en la medición del volumen hepático preoperatorio y postoperatorio.

Conclusiones:

• El modelo de IA desarrollado proporciona una volumetría hepática precisa y automatizada para pacientes con hepatectomía.
• Esta tecnología puede mejorar significativamente la planificación quirúrgica y el monitoreo postoperatorio del paciente.
• Se recomienda una validación adicional con conjuntos de datos más grandes para confirmar la utilidad clínica y pronóstica.