Resultados iniciales en el reconocimiento visual automático de lesiones de endometriosis por inteligencia artificial...

Área de la Ciencia:

• Innovación quirúrgica
• Inteligencia artificial en la medicina
• Análisis de imágenes médicas

Sus antecedentes:

• El diagnóstico de endometriosis durante la laparoscopia puede ser un desafío.
• El reconocimiento visual objetivo de las lesiones de endometriosis es una necesidad clínica no satisfecha.
• La IA ofrece potencial para la evaluación quirúrgica automatizada.

Objetivo del estudio:

• Desarrollar y evaluar un modelo de aprendizaje automático para el reconocimiento automático de lesiones de endometriosis en cirugía laparoscópica.
• Evaluar la viabilidad y el rendimiento de un enfoque basado en la IA para la detección de la endometriosis intraoperatoria.

Principales métodos:

• Una red neuronal profunda (YOLOv5) fue entrenada en videos quirúrgicos anotados de 112 pacientes.
• El modelo fue diseñado para detectar y clasificar nueve clases visuales de lesiones de endometriosis.
• Se empleó la recopilación de datos multicéntricos y la validación rigurosa.

Principales resultados:

• El modelo de IA logró un alto rendimiento (puntuación F1 ≥ 0,74) para las lesiones superficiales negras, superficiales sutiles y de líquido de chocolate ovárico.
• Se observó un rendimiento aceptable (puntuación F1 ≥ 0,63) para adherencias densas, endometriomas ováricos y endometriosis profunda.
• El rendimiento fue débil para las adherencias superficiales rojas, blancas y fílmicas, lo que indica áreas de mejora.

Conclusiones:

• La IA demuestra la viabilidad del reconocimiento visual de la endometriosis durante la laparoscopia.
• Se requiere un mayor desarrollo para mejorar la precisión del modelo y estandarizar la anotación.
• La integración de la IA tiene potencial para mejorar el diagnóstico de la endometriosis y los resultados quirúrgicos.