Clasificación a Nivel de Paciente de Desgarros del Manguito Rotador en RM de Hombro Utilizando un Marco de...

Sus antecedentes:

• El diagnóstico de desgarros del manguito rotador (DMR) con RM es un desafío debido a la anatomía compleja y la variabilidad interobservador.
• Las redes neuronales convolucionales (CNN) centradas en cortes tienen dificultades con el contexto volumétrico para una clasificación precisa de los DMR.
• Este estudio aborda la necesidad de mejorar la clasificación automatizada de los DMR.

Objetivo del estudio:

• Desarrollar y validar el Transformador de Visión Consciente del Paciente (Pa-ViT) para la clasificación automatizada de DMR a nivel de paciente.
• Mejorar la sensibilidad diagnóstica, especialmente para desgarros sutiles de espesor parcial.
• Proporcionar un marco de aprendizaje profundo explicable para el apoyo a la toma de decisiones clínicas.

Principales métodos:

• Se utilizó un conjunto de datos retrospectivo de 2447 resonancias magnéticas coronales de hombro ponderadas en T2.
• Se empleó una arquitectura de transformador de visión (ViT-Base) dentro de un paradigma de aprendizaje de múltiples instancias (MIL) con supervisión débil.
• Se entrenó el modelo con una pérdida de entropía cruzada ponderada y se comparó con CNN y clasificadores tradicionales.

Principales resultados:

• Pa-ViT logró una precisión general del 91 % y una puntuación F1 promediada macro de 0,91, superando a VGG-16 (87 %).
• Demostró un rendimiento superior para desgarros de espesor parcial (AUC ROC: 0,903).
• Las visualizaciones de Attention Rollout confirmaron la dependencia de las características anatómicas, no de artefactos.

Conclusiones:

• Pa-ViT modela eficazmente las dependencias a largo plazo, ofreciendo una alternativa robusta a las CNN para el diagnóstico de DMR.
• El marco proporciona una herramienta explicable y clínicamente viable para mejorar la sensibilidad diagnóstica.
• Pa-ViT muestra potencial para mejorar la detección de desgarros sutiles del manguito rotador de espesor parcial.