Generación de informes de RM cerebral interpretables anclada por la topografía de las lesiones

Área de la Ciencia:

• Imágenes Médicas
• Inteligencia Artificial
• Radiología

Sus antecedentes:

• El aumento de la carga de trabajo de los radiólogos exige una generación de informes de RM cerebral eficiente y precisa.
• Los métodos actuales carecen de capacidades de informes detalladas y explicables.

Objetivo del estudio:

• Desarrollar y evaluar un sistema novedoso para la generación automática de informes de RM cerebral fundamentada.
• Introducir un conjunto de datos de referencia y un marco para apoyar la IA explicable en radiología.

Principales métodos:

• Publicación del conjunto de datos de RM RadGenome-Brain con exploraciones multimodales y anotaciones de expertos.
• Propuesta del marco AutoRG-Brain que combina la segmentación de anomalías y los modelos de lenguaje de indicaciones visuales.
• Evaluaciones cuantitativas y de expertos exhaustivas en entornos clínicos.

Principales resultados:

• El sistema mejora significativamente la capacidad de los radiólogos jóvenes para detectar anomalías sutiles.
• Mejora de la calidad y la estructura de los informes de radiología generados por el sistema.
• Utilidad clínica demostrada para reducir la brecha de rendimiento entre radiólogos jóvenes y experimentados.

Conclusiones:

• El novedoso sistema ofrece un avance significativo en la generación automatizada de informes de RM cerebral.
• El conjunto de datos de RM RadGenome-Brain y el marco AutoRG-Brain fomentarán una mayor investigación en IA explicable para imágenes médicas.
• La publicación de recursos tiene como objetivo acelerar el desarrollo y la adopción en la práctica clínica.