Programa informático supera a radiólogos en análisis de RM cerebrales

 

Un conjunto de características radiómicas fue extraída para cada lesión en cada secuencia de RM - T1WI, T2WI con gadolinio y FLAIR. Se utilizó la selección de características para identificar las cinco mejores características más discriminatorias para cada secuencia de resonancia magnética en la cohorte de capacitación. Estas características fueron evaluadas, a continuación, en la cohorte de ensayo mediante un clasificador de máquinas de vectores de soporte. La clasificación del desempeño fue comparada contra lecturas de diagnóstico por dos neuroradiólogos expertos, que tenían acceso a las mismas secuencias de RM que el clasificador. Finalmente, los hallazgos histológicos clínicos fueron confirmados por un neuropatólogo experimentado.

 

Los resultados revelaron que, en la comparación directa, un neuroradiólogo diagnosticó siete pacientes correctamente, y el segundo médico diagnosticó correctamente ocho pacientes. El programa de ordenador, por otro lado, estuvo correcto en 12 de las 15 imágenes por resonancia magnética. Los investigadores ahora están buscando validar la exactitud de los algoritmos usando una colección mucho más grande de imágenes de varios sitios diferentes, por lo que con el tiempo podría ser utilizado como una herramienta de ayuda para las decisiones, con el fin de ayudar a los neuroradiólogos a mejorar su confianza en la identificación de una lesión sospechosa. El estudio fue publicado el 15 de septiembre de 2016, en la revista American Journal of Neuroradiology.

 

“Uno de los mayores desafíos con la evaluación del tratamiento de los tumores cerebrales es diferenciar entre los efectos de confusión de la radiación y la recurrencia del cáncer; en una resonancia magnética, se ven muy similares”, dijo el autor principal, el ingeniero biomédico, Pallavi Tiwari, PhD, de la CWRU. “Lo que los algoritmos ven y que los radiólogos no, son las diferencias sutiles en las mediciones cuantitativas de la heterogeneidad del tumor y la descomposición en la microarquitectura en la RM, que son mayores en la recidiva tumoral”.

 

“Mientras que los médicos utilizan la intensidad de los píxeles en las imágenes por resonancia magnética como una guía, el computador ve en los bordes de cada píxel; si los bordes apuntan en la misma dirección, la arquitectura está conservada”, añadió el autor principal, el profesor de ingeniería biomédica Anant Madabhushi, PhD, director del Centro para Imagenología Computacional y Diagnósticos Personalizados en la CWRU. “Si apuntan en diferentes direcciones, la arquitectura está interrumpida- entropía o desorden y la heterogeneidad es mucho más alta”.

 

En una reciente competición en el Simposio 2016 Internacional de Imágenes Biomédicas (ISBI), realizado en abril en Praga (República Checa), un algoritmo informático de aprendizaje automático que fue entrenado para reconocer la metástasis del cáncer de mama en los ganglios linfáticos identificó correctamente el 92% por ciento de las veces, casi igualando la tasa de éxito del 96% de un patólogo humano.

Enlaces relacionados: