Predicción de la ruptura del aneurisma intracraneal a partir de la angiografía por tomografía computarizada...

Área de la Ciencia:

• Neurocirugía e imágenes médicas
• Inteligencia artificial en el cuidado de la salud
• Patología computacional

Sus antecedentes:

• Los aneurismas intracraneales representan un riesgo significativo de ruptura fatal.
• Los métodos actuales para evaluar el riesgo de ruptura de IA son propensos a errores y se basan en gran medida en el dictamen de expertos.
• Se necesitan herramientas de toma de decisiones clínicas objetivas para orientar el tratamiento de los EA no rotos.

Objetivo del estudio:

• Desarrollar y validar un marco asistido por computadora para predecir el riesgo de ruptura de aneurisma intracraneal.
• Mejorar los procesos de toma de decisiones clínicas para el manejo de AIs sin ruptura.
• Establecer criterios futuros para la evaluación del riesgo de ruptura de aneurisma.

Principales métodos:

• Análisis retrospectivo de 500 IAs (250 con ruptura, 250 sin ruptura) de las CTA de los pacientes, además de validación externa con 24 IAs de 3D-RA.
• Segmentación automatizada mediante nnU-net y extracción de características (forma, morfología, datos del paciente) con PointNet++.
• Formación y pruebas de ocho modelos de aprendizaje automático, incluido un clasificador forestal aleatorio.

Principales resultados:

• El modelo forestal aleatorio superior logró un AUC de 0,851 y una precisión de 0,782 en el conjunto de datos primario.
• La validación externa demostró un AUC de 0,805.
• Las características de la forma del aneurisma fueron predictores significativos, mientras que las características de la forma del vaso tuvieron una contribución mínima.

Conclusiones:

• El marco de IA desarrollado es prometedor para ayudar a los médicos a evaluar el riesgo de ruptura de aneurisma intracraneal.
• El análisis automatizado de los datos de imágenes (CTA, 3D-RA) puede proporcionar información objetiva sobre el potencial de ruptura.
• Esta tecnología puede apoyar la mejora de la gestión de los pacientes y las estrategias de tratamiento para los EA.