Inteligencia artificial para la automatización de las mediciones ecocardiográficas

Área de la Ciencia:

• Cardiología
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• Las mediciones ecocardiográficas precisas son vitales para el diagnóstico y el monitoreo de enfermedades cardiovasculares.
• El análisis manual del ecocardiograma requiere mucho tiempo y es propenso a la imprecisión.
• La inteligencia artificial (IA) ofrece una solución para automatizar estas mediciones, reduciendo la carga de trabajo del clínico.

Objetivo del estudio:

• Desarrollar y validar modelos de segmentación semántica de aprendizaje profundo de código abierto.
• Automatizar la medición de 18 parámetros anatómicos y Doppler en la ecocardiografía.
• Evaluar la exactitud y precisión de las mediciones impulsadas por la IA en comparación con las evaluaciones de los sonógrafos expertos.

Principales métodos:

• Entrenó modelos de aprendizaje profundo en un gran conjunto de datos (877,983 mediciones de 155,215 estudios) del Centro Médico Cedars-Sinai (CSMC).
• El rendimiento del modelo validado utilizando datos mantenidos de CSMC y un conjunto de datos externos de Stanford Healthcare (SHC).
• Comparó las mediciones generadas por IA con las mediciones de ultrasonido para la precisión y la precisión en los parámetros de modo B y Doppler.

Principales resultados:

• Desarrolló EchoNet-Measurements, un modelo de IA de código abierto para la anotación ecocardiográfica automatizada.
• Se ha logrado una alta precisión en las mediciones, con un gran rendimiento tanto en conjuntos de datos de validación internos (CSMC) como externos (SHC).
• Demostró un rendimiento consistente en diversos grupos demográficos de pacientes y proveedores de equipos, destacando la robustez.

Conclusiones:

• EchoNet-Measurements proporciona una cuantificación ecocardiográfica automatizada de alta precisión.
• El modelo de IA tiene un potencial significativo para ayudar a los médicos en los flujos de trabajo de la ecocardiografía.
• Esta herramienta de código abierto sirve como base para futuros avances en IA para la ecocardiografía.