Algoritmo de IA automatiza el análisis de stents coronarios después de su implantación

Sin embargo, monitorear el proceso de cicatrización después de la implantación del stent sigue siendo un desafío significativo. Si el tejido que crece sobre el stent se vuelve irregular, ya sea creciendo demasiado o formando depósitos, puede provocar complicaciones como el estrechamiento o la oclusión del vaso sanguíneo. Actualmente, analizar estos patrones de cicatrización en imágenes de tomografía de coherencia óptica (OCT) intravascular requiere mucho tiempo y es poco práctico para el uso clínico rutinario.

Ahora, un nuevo algoritmo impulsado por inteligencia artificial (IA) automatiza el análisis de stents coronarios después de la implantación, logrando la precisión de los expertos médicos y reduciendo drásticamente el tiempo requerido para la evaluación. Con una validación sólida en modelos humanos y animales, este algoritmo de IA tiene el potencial de estandarizar la monitorización posterior a la implantación del stent, mejorando así los resultados del tratamiento cardiovascular.

DeepNeo, el algoritmo de IA desarrollado por investigadores de Helmholtz Munich (Oberschleißheim, Alemania) en colaboración con otros expertos, puede evaluar automáticamente la cicatrización del stent en imágenes OCT. DeepNeo diferencia entre varios patrones de cicatrización con una precisión comparable a la de los expertos clínicos, pero en una fracción del tiempo. La herramienta de IA también proporciona mediciones precisas, como el grosor del tejido y la cobertura del stent, ofreciendo información valiosa para el manejo del paciente.

Para entrenar a DeepNeo, los investigadores utilizaron 1.148 imágenes OCT de 92 exploraciones de pacientes, que se anotaron manualmente para clasificar los diferentes tipos de crecimiento tisular. Posteriormente, el algoritmo se probó en un modelo animal, donde identificó con precisión el tejido no sano en el 87 % de los casos, en comparación con un análisis de laboratorio detallado, que se considera el estándar de oro. Al analizar exploraciones humanas, DeepNeo también demostró una alta precisión, alineándose estrechamente con las evaluaciones de expertos.

“Con DeepNeo, podemos lograr un análisis automatizado, estandarizado y altamente preciso de la cicatrización vascular y de stents, algo que antes solo era posible con un gran esfuerzo manual”, afirmó Valentin Koch, primer autor del estudio que presentó el algoritmo. “DeepNeo es tan eficaz como un médico, pero mucho más rápido”.

"DeepNeo demuestra cómo el aprendizaje automático puede ayudar a los profesionales clínicos a tomar decisiones terapéuticas más rápidas e informadas. El siguiente paso es integrar eficazmente algoritmos de IA como DeepNeo en la práctica clínica", añadió el Dr. Carsten Marr, director del Instituto de IA para la Salud de Helmholtz Múnich, quien visualiza a DeepNeo como parte de un sistema de salud impulsado por IA que podría ofrecer una certeza sin precedentes para la toma de decisiones clínicas.

Enlaces relacionados:
Helmholtz Múnich