Análisis volumétrico basado en aprendizaje profundo de aneurismas de aorta abdominal infrarrenal caracterizados en...

Área de la Ciencia:

• Imágenes Médicas
• Inteligencia Artificial
• Cirugía Vascular

Sus antecedentes:

• La evaluación volumétrica de los aneurismas de aorta abdominal (AAA) es crucial para la evaluación pre y post reparación endovascular aórtica (EVAR).
• El análisis volumétrico manual actual es lento y laborioso.
• La angiografía por tomografía computarizada (CTA) es una modalidad de imagen estándar para AAA.

Objetivo del estudio:

• Desarrollar y validar una red de inteligencia artificial (IA) para la segmentación y determinación de volumen automatizadas de AAA infrarrenales en CTA.
• Evaluar el rendimiento de la red de IA en la evaluación de AAA pre y post EVAR.
• Evaluar el potencial de aceleración del flujo de trabajo utilizando la herramienta de IA.

Principales métodos:

• Se entrenó una red de aprendizaje profundo con segmentaciones de verdad fundamental de conjuntos de datos de AAA.
• Se utilizaron cohortes de validación internas y externas para evaluar la generalización del modelo.
• Se correlacionaron los volúmenes generados por IA (aneurisma total, luz, trombo) con las mediciones manuales; se cuantificó la eficiencia del flujo de trabajo.

Principales resultados:

• Se logró una alta precisión en la segmentación automatizada, con coeficientes de correlación de similitud de Dice medios de 0.972 (internos) y 0.960 (externos) para el aneurisma total.
• Los volúmenes de trombo generados por IA demostraron una correlación muy fuerte con la verdad fundamental (r=0.996 internos, r=0.940 externos).
• Se observaron ahorros de tiempo significativos de 117.1 segundos (56.0%) para el análisis del aneurisma total, lo que indica una aceleración sustancial del flujo de trabajo.

Conclusiones:

• La red de IA desarrollada, independiente de la institución, permite un análisis volumétrico preciso y automatizado de aneurismas de aorta abdominal a partir de CTA.
• Esta herramienta de IA acelera significativamente el proceso de evaluación, ofreciendo una alternativa más eficiente al análisis volumétrico manual.
• Los hallazgos respaldan la integración de la IA para mejorar el flujo de trabajo clínico y el manejo de pacientes en el tratamiento de AAA.