Diagnóstico rápido del estado de infección por Helicobacter pylori basado en características endoscópicas y...

Área de la Ciencia:

• Inteligencia Artificial Médica
• Gastroenterología
• Patología Computacional

Sus antecedentes:

• El diagnóstico preciso de la infección por Helicobacter pylori (HP) es crucial para el manejo de las afecciones gástricas.
• La visualización endoscópica ayuda a evaluar la mucosa gástrica, pero la interpretación puede ser subjetiva.
• Es esencial desarrollar herramientas de diagnóstico objetivas para el estado de infección por HP.

Objetivo del estudio:

• Diseñar un algoritmo de aprendizaje profundo para clasificar el estado de infección por HP.
• Construir un modelo de clasificación de tres clases para infección por HP actual, previa y negativa.
• Proporcionar un método objetivo y fiable para el diagnóstico de la infección por HP utilizando características endoscópicas.

Principales métodos:

• Se recopilaron datos clínicos de 3.000 pacientes sometidos a gastroscopia.
• Se evaluaron y registraron 16 características endoscópicas.
• Se desarrolló un modelo 1D-transformer que utiliza mecanismos de autoatención para la clasificación de HP.
• Se empleó SHapley Additive exPlanations (SHAP) para la interpretabilidad del modelo y el análisis de la importancia de las características.

Principales resultados:

• El modelo 1D-transformer logró un alto rendimiento: 98,9 % de precisión, 98,8 % de especificidad, 99,4 % de sensibilidad y 98,9 % de puntuación F1.
• El modelo superó a otros algoritmos en el reconocimiento de HP.
• El análisis SHAP identificó características endoscópicas clave para cada estado de infección (p. ej., enrojecimiento del mapa para infección previa, enrojecimiento difuso para infección actual, RAC para infección negativa).

Conclusiones:

• El modelo 1D-transformer ofrece un método preciso y fiable para clasificar el estado de infección por HP.
• Este enfoque impulsado por IA mejora la precisión diagnóstica en comparación con los métodos tradicionales.
• La interpretabilidad del modelo proporciona información sobre marcadores endoscópicos cruciales para la infección por HP.