Aplicaciones de la visión por computadora en cirugía vascular: una revisión sistemática y evaluación crítica

Área de la Ciencia:

• Análisis de imágenes médicas; Inteligencia artificial en la atención médica; Innovaciones en cirugía vascular

Sus antecedentes:

• La visión por computadora (VC) está avanzando rápidamente, ofreciendo nuevas herramientas para la práctica clínica. Su aplicación en cirugía vascular está creciendo, lo que requiere una síntesis de la investigación actual. Se necesita una revisión sistemática y una evaluación crítica para evaluar la calidad y el alcance de la VC en este campo.

Objetivo del estudio:

• Revisar sistemáticamente y evaluar críticamente las aplicaciones de la visión por computadora en cirugía vascular. Identificar tendencias en la investigación, metodologías y métricas de rendimiento. Evaluar la calidad y la adherencia a los estándares de notificación de los estudios incluidos.

Principales métodos:

• Búsqueda bibliográfica exhaustiva en MEDLINE, Embase, Web of Science y Cochrane CENTRAL hasta el 28 de junio de 2024. Extracción sistemática de datos sobre enfermedades vasculares, fuentes de datos, métodos y resultados. Evaluación crítica utilizando las directrices PROBAST y TRIPOD+AI.

Principales resultados:

• Se incluyeron 288 estudios, con un crecimiento significativo desde 2017. Las patologías aórticas (33%), la estenosis carotídea (30%) y las úlceras del pie (25%) fueron las más estudiadas; la enfermedad arterial periférica (6%) estuvo subrepresentada. La mayoría de los estudios fueron observacionales (81% retrospectivos), con métricas comunes como el coeficiente Dice (51%) y la precisión (36%), pero con una pobre adherencia a TRIPOD+AI (57%) y un bajo riesgo de sesgo (15%).

Conclusiones:

• Las aplicaciones de la visión por computadora en cirugía vascular se están expandiendo pero requieren mejoras metodológicas. Las recomendaciones incluyen un mayor enfoque en la enfermedad arterial periférica, el uso estandarizado de métricas de rendimiento (Dice para segmentación, AUROC para discriminación) y la consulta temprana de la declaración TRIPOD+AI para un desarrollo robusto del modelo.