Video Experimental Relacionado
Updated: Jan 8, 2026
04:48
Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
3.3K
Modelo de aprendizaje profundo de segmentación semántica mejora el reconocimiento de órganos por parte de los
Shin Takenaka1,2,3, Hiroki Matsuzaki4, Yusuke Hirose3
1Department of Gynecology, National Cancer Center Hospital East, Chiba, Japan.
International journal of surgery (London, England)
|December 22, 2025
Resumen
La inteligencia artificial (IA) mejora el reconocimiento del uréter y la vejiga por parte de los cirujanos durante la histerectomía mínimamente invasiva. Este soporte de IA mejora las tasas de detección, especialmente para los cirujanos con menos experiencia, sin comprometer la precisión.
Área de la Ciencia:
- Innovación quirúrgica
- Análisis de imágenes médicas
- Inteligencia artificial en la atención médica
Sus antecedentes:
- La histerectomía mínimamente invasiva conlleva riesgos de lesión del uréter y la vejiga debido a un reconocimiento inadecuado de los órganos intraoperatorios.
- La inteligencia artificial (IA) ofrece posibles soluciones para mejorar la identificación anatómica y mitigar los riesgos quirúrgicos.
Objetivo del estudio:
- Evaluar un sistema de reconocimiento anatómico basado en IA para la identificación del uréter y la vejiga durante la histerectomía mínimamente invasiva.
- Evaluar el impacto del soporte de IA en las habilidades de reconocimiento de órganos de los cirujanos en todos los niveles de experiencia.
- Determinar si la asistencia de IA compromete la especificidad en la identificación de órganos.
Principales métodos:
- Se entrenó un modelo de aprendizaje profundo con un gran conjunto de datos de uréter (13,934 imágenes) y vejiga (4,940 imágenes) de 41 instituciones.
- El rendimiento del modelo se cuantificó utilizando el coeficiente de Dice.
- Se evaluó el impacto de la IA en el rendimiento del cirujano (sensibilidad y especificidad) en 16 cirujanos de ocho centros utilizando vídeos quirúrgicos pregrabados.
Principales resultados:
- El modelo de IA logró coeficientes de Dice de 0.66 para la segmentación del uréter y 0.62 para la vejiga.
- La asistencia de IA mejoró significativamente la sensibilidad de detección del uréter (del 43.5% al 58.1%) y la sensibilidad de detección de la vejiga (del 54.2% al 70.0%), con p < 0.001 para ambos.
- Los beneficios de la IA fueron más pronunciados en cirujanos con menos experiencia, mostrando mejoras en la sensibilidad del 27.3% para el reconocimiento del uréter y del 26.8% para la vejiga, sin afectar la especificidad.
Conclusiones:
- Los sistemas basados en IA mejoran demostrablemente la capacidad de los cirujanos para reconocer uréteres y vejigas en vídeos quirúrgicos.
- El sistema de IA mejora el reconocimiento particularmente en cirujanos con menos experiencia, sin aumentar los riesgos de identificación errónea.
- La IA promete mejorar la identificación anatómica intraoperatoria, lo que conducirá a procedimientos quirúrgicos más seguros y estandarizados.
