La IA podría ayudar a los radiólogos a mejorar el diagnóstico de la osteoartritis mediante rayos X

La clasificación de KL se usa ampliamente para la evaluación clínica y el diagnóstico de osteoartritis, generalmente en un alto volumen de radiografías, lo que hace que su automatización sea de una relevancia muy alta.

Para desarrollar un algoritmo completamente automatizado para la detección de osteoartritis mediante clasificaciones KL con una red neuronal de vanguardia, los investigadores recolectaron 4.490 radiografías de rodilla de flexión fija AP, bilaterales, del conjunto de datos de la Iniciativa de Osteoartritis (edad = 61,2 ± 9,2 años, IMC = 32,8 ± 15,9 kg/m2, división de 42/58 hombres/mujeres) para seis puntos de tiempo diferentes. Las articulaciones de la rodilla izquierda y derecha se localizaron utilizando un modelo de U-net. Estas imágenes localizadas se utilizaron para entrenar un conjunto de arquitecturas de redes neuronales, DenseNet, para la predicción de la gravedad de la osteoartritis.

Los índices de sensibilidad para este conjunto DenseNet sin osteoartritis, artrosis leve, moderada y grave fueron de 83,7; 70,2; 68,9 y 86,0%, respectivamente, mientras que las tasas de especificidad correspondientes fueron de 86,1; 83,8; 97,1 y 99 de 1%. Usando mapas de prominencia, los investigadores confirmaron que las redes neuronales que producen estos resultados estaban, de hecho, seleccionando las características osteoartríticas correctas utilizadas en la detección. Los resultados sugieren que el uso del clasificador automático podría ayudar a los radiólogos a realizar un diagnóstico más exacto y preciso, dado el volumen creciente de las imágenes radiográficas que se toman en las clínicas.

Enlace relacionado:
Universidad de California