Un nuevo método automatizado de detección y segmentación de glándulas paratiroideas en tiroidectomía

Área de la Ciencia:

• * Imágenes médicas y inteligencia artificial.
• * Avances en la tecnología quirúrgica.

Sus antecedentes:

• * Preservar las glándulas paratiroideas (PG) durante la tiroidectomía es crucial pero desafiante.
• * El aprendizaje profundo (DL) es prometedor para mejorar la toma de decisiones intraoperatorias.

Objetivo del estudio:

• * Introducir PG-AI, un nuevo sistema basado en DL para la identificación intraoperatoria de la glándula paratiroides.
• * Para evaluar el rendimiento de PG-AI en comparación con los métodos existentes y la experiencia quirúrgica.

Principales métodos:

• * Desarrollo de PG-AI, integrando una subred de localización YOLOX y un modelo de segmentación Trans-U-HRNet.
• * Capacitación y validación en 976 imágenes intraoperatorias de 121 pacientes sometidos a tiroidectomía abierta.
• * Análisis comparativo con imágenes de autofluorescencia en el infrarrojo cercano (NIRAF) y evaluaciones de cirujanos.

Principales resultados:

• * PG-AI logró una precisión del 91,1% y un recuerdo del 86,5% en la validación interna.
• * Las tasas de reconocimiento de visualizaciones fueron de 88.7% (internas) y 85.0% (externas).
• * PG-AI demostró un rendimiento superior en comparación con los cirujanos jóvenes y mostró un acuerdo del 72,1% con NIRAF.

Conclusiones:

• * PG-AI proporciona máscaras de segmentación precisas y en tiempo real para PGs durante la cirugía.
• * El sistema ofrece una guía visual intraoperatoria confiable, ayudando a los cirujanos en la identificación y preservación de PG.