Catalysing Artificial Intelligence for Paediatric Tuberculosis Research (CAPTURE): protocol for a global multicentre...

Área de la Ciencia:

• Imagenología Médica; Inteligencia Artificial; Tuberculosis Pediátrica

Sus antecedentes:

• El diagnóstico de la tuberculosis (TB) infantil se enfrenta a desafíos debido a la falta de herramientas adecuadas, siendo las radiografías de tórax (RXT) cruciales pero a menudo obstaculizadas por la falta de interpretación experta.
• El software existente de inteligencia artificial (IA) de detección asistida por computadora (CAD) para la interpretación de RXT, desarrollado principalmente para adultos, muestra un rendimiento subóptimo en niños debido a la diferente presentación de la TB.
• La iniciativa Catalysing Artificial Intelligence for Paediatric Tuberculosis Research (CAPTURE) tiene como objetivo abordar esta brecha mediante la creación de un repositorio de datos especializado.

Objetivo del estudio:

• Establecer un repositorio integral (CAPTURE) de imágenes de RXT de tuberculosis pediátrica y datos clínicos asociados.
• Evaluar el rendimiento diagnóstico de los productos CAD actuales desarrollados para adultos en niños con presunción de tuberculosis.
• Facilitar la optimización y el desarrollo de nuevos algoritmos CAD específicos para pediatría a través del intercambio de datos.

Principales métodos:

• Se creó un repositorio agrupando aproximadamente 11.000 RXT de ~20 estudios de diagnóstico de TB infantil de alta calidad.
• Se recopilaron centralmente las RXT y los metadatos, incluidas las interpretaciones radiológicas de consenso y las clasificaciones de casos de TB.
• Se evaluarán los productos CAD existentes frente a estándares de referencia clínicos, microbiológicos y radiológicos, con un subconjunto de imágenes designadas para el entrenamiento y la validación de algoritmos optimizados.

Principales resultados:

• El repositorio CAPTURE alberga ahora una colección sustancial de radiografías de tórax de tuberculosis pediátrica (RXT) y datos asociados, con interpretaciones radiológicas expertas.
• Las evaluaciones iniciales compararán el rendimiento de los algoritmos CAD para adultos existentes con los estándares de referencia establecidos.
• Se proporcionará un conjunto de datos de entrenamiento y validación a los desarrolladores para la optimización de las herramientas CAD para uso pediátrico.

Conclusiones:

• La iniciativa CAPTURE proporciona un recurso vital para avanzar en las herramientas de diagnóstico basadas en IA en la TB pediátrica.
• La optimización de los algoritmos CAD utilizando datos específicos para pediatría es esencial para mejorar la precisión diagnóstica y abordar la brecha en la detección de casos.
• La difusión de los hallazgos y las herramientas optimizadas tiene como objetivo guiar las políticas y mejorar el acceso mundial a diagnósticos eficaces de TB pediátrica.