Sistema de IA confirma posición del tubo traqueal en radiografías de tórax

Se ha descubierto que un sistema de inteligencia artificial (IA) impulsado por aprendizaje profundo (DL) es eficaz para detectar TET colocados incorrectamente a partir de radiografías de tórax tomadas inmediatamente después de insertar el TET o después del ingreso a la UCI.

Investigadores del Hospital Universitario Nacional de Seúl (Seúl, Corea) realizaron un estudio para evaluar el desempeño de un sistema comercial de inteligencia artificial basado en DL de Lunit (Seúl, Corea) para determinar la presencia y ubicación de TET en radiografías de tórax. Examinaron tres muestras separadas de pacientes de dos centros médicos diferentes. La primera muestra estuvo compuesta por 539 radiografías de tórax de 505 pacientes (293 hombres y 212 mujeres, edad promedio 63) tomadas inmediatamente después de la colocación del TET entre enero y marzo de 2020 en la institución A. La segunda muestra involucró 637 radiografías de 304 pacientes de la UCI ( 158 hombres y 147 mujeres, edad promedio 63) en la misma institución, tomadas del 1 al 3 de enero de 2020. La tercera muestra estuvo compuesta por 546 radiografías de 83 pacientes de UCI (54 hombres y 29 mujeres, edad promedio 70) en la institución B, tomadas del 1 al 20 de enero de 2020.

El sistema de IA comercial basado en DL de Lunit se utilizó para detectar la presencia del TET y medir la distancia desde la punta del TET hasta la carina (TCD). Los lectores humanos establecen el estándar para la colocación adecuada del TET como una TCD de entre 3 cm y 7 cm. La colocación de un TET "crítico" se clasificó por separado como una punta del TET ubicada debajo de la carina o una TCD igual o menor a 1 cm. Sorprendentemente, el sistema de IA mostró un rango de sensibilidad del 99,2 al 100 % para identificar la presencia de TET y un rango de especificidad del 94,5 al 98,7 % en las tres muestras de pacientes de las dos instituciones. Para la colocación inadecuada del TET, mostró una sensibilidad del 72,5 al 83,7 % y una especificidad del 92,0 al 100 %. Para detectar la posición crítica del TET, el sistema logró una sensibilidad del 100 % en todas las muestras y un rango de especificidad del 96,7 al 100 %.

"La identificación automatizada por IA de la colocación inadecuada del TET en la radiografía de tórax puede permitir un reposicionamiento más temprano y, por lo tanto, reducir las complicaciones", afirmó Eui Jin Hwang, MD, PhD, del departamento de radiología del Hospital Universitario Nacional de Seúl.

Enlaces relacionados:
Lunit  
Hospital Universitario Nacional de Seúl