Estudio de viabilidad de un algoritmo que identifica ascitis en paracentesis guiada por imagen

Área de la Ciencia:

• Análisis de imágenes médicas
• Inteligencia artificial en la atención médica
• Diagnóstico abdominal

Sus antecedentes:

• El manejo de la ascitis mediante paracentesis guiada por imagen es crucial para la terapia del paciente y la detección de infecciones.
• La disponibilidad limitada de proveedores capacitados para procedimientos guiados por imagen presenta un desafío.
• La detección autónoma de ascitis en ecografía podría mejorar la accesibilidad y la puntualidad de la atención.

Objetivo del estudio:

• Desarrollar un algoritmo autónomo para la identificación y localización fiables de la ascitis en imágenes de ecografía abdominal.
• Crear una herramienta de software que ayude en el manejo rápido de la ascitis.
• Abordar la necesidad de herramientas de diagnóstico accesibles en entornos con recursos limitados.

Principales métodos:

• Desarrollo de un algoritmo utilizando la biblioteca de procesamiento de imágenes OpenCV en Python.
• Validación del algoritmo utilizando 16 imágenes aleatorias de ecografía abdominal con múltiples vistas.
• Análisis cuantitativo del rendimiento del algoritmo en la identificación de regiones ascíticas.

Principales resultados:

• El algoritmo desarrollado demostró una precisión del 100% en la identificación de las regiones ascíticas objetivo.
• El software localizó con éxito la ascitis en diversas imágenes de ecografía abdominal.
• El algoritmo demostró ser una herramienta fiable para la detección de ascitis.

Conclusiones:

• El algoritmo propuesto es una herramienta fiable y precisa para la detección autónoma de ascitis en ecografía abdominal.
• Este enfoque impulsado por IA puede apoyar el manejo rápido de la ascitis y la identificación de infecciones.
• La tecnología tiene el potencial de mejorar las capacidades de diagnóstico en diversos entornos médicos.