Video Experimental Relacionado
Updated: Feb 28, 2026

Author Spotlight: Enhancing Rheumatoid Arthritis Research Through HR-pQCT Imaging Analysis
Published on: October 6, 2023
Aprendizaje profundo derivado de anomalías intersticiales cuantitativas en la artritis reumatoide temprana y
Los pacientes con artritis reumatoide (AR) temprana muestran significativamente más anomalías pulmonares y menos tejido pulmonar normal en comparación con los individuos sanos, según lo detectado por la tomografía computarizada cuantitativa (QCT) de aprendizaje profundo. Esto resalta la necesidad de estrategias de preservación de la salud pulmonar en la AR temprana.
Área de la Ciencia:
- Radiología e Imagenología
- Reumatología
- Neumología
Sus antecedentes:
- La artritis reumatoide (AR) es una enfermedad autoinmune sistémica que puede afectar a múltiples órganos, incluidos los pulmones.
- Las complicaciones pulmonares son comunes en pacientes con AR, pero la detección temprana y la cuantificación de las anomalías pulmonares siguen siendo un desafío.
- La tomografía computarizada cuantitativa (QCT) que utiliza aprendizaje profundo ofrece una herramienta prometedora para el análisis automatizado de imágenes de TC de tórax.
Objetivo del estudio:
- Aprovechar la QCT basada en aprendizaje profundo para detectar y cuantificar anomalías pulmonares en pacientes con artritis reumatoide (AR) temprana en comparación con controles sanos.
- Evaluar la asociación entre las medidas pulmonares derivadas de QCT y los factores clínicos en pacientes con AR temprana.
Principales métodos:
- Se analizaron imágenes de TC de tórax de alta resolución de 200 participantes con AR temprana (estudio SAIL-RA) y 104 controles sanos (estudio COPDGene).
- Un clasificador de aprendizaje profundo cuantificó el porcentaje de pulmón normal, anomalías intersticiales y enfisema para cada participante.
- Se utilizó regresión lineal multivariable para comparar las características de QCT entre grupos y examinar las asociaciones dentro de la cohorte de AR.
Principales resultados:
- Los pacientes con AR temprana exhibieron una mayor mediana de porcentaje de anomalías intersticiales (3,7 % frente a 1,6 %, p<0,0001) y menos pulmón normal (9,3 % menos, p<0,0001) en comparación con los controles sanos.
- En los participantes con AR, las anomalías intersticiales detectadas por QCT se asociaron con una mayor edad y puntuaciones DAS28-ESR más altas.
- El enfoque QCT de aprendizaje profundo diferenció eficazmente los cambios del parénquima pulmonar en la AR temprana.
Conclusiones:
- La QCT basada en aprendizaje profundo revela anomalías pulmonares significativas, incluida una reducción del volumen pulmonar normal y un aumento de los cambios intersticiales, en pacientes con AR temprana.
- Estos hallazgos sugieren que el daño pulmonar puede estar presente en las primeras etapas de la AR, lo que subraya la importancia de las intervenciones proactivas para la salud pulmonar.
- La QCT es una herramienta valiosa para cuantificar la afectación pulmonar en la AR y puede ayudar a monitorizar la progresión de la enfermedad y la respuesta al tratamiento.
Videos de Conceptos Relacionados
Rheumatic Heart Disease II: Clinical Manifestations and Diagnostic Studies
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Rheumatic Heart Disease I: Introduction

