La inteligencia artificial reduce el tiempo de interpretación de las resonancias magnéticas de la columna lumbar

Estos hallazgos son cruciales para determinar qué pacientes podrían necesitar intervención quirúrgica. Sin embargo, la evaluación de la estenosis de la columna lumbar mediante RM requiere una clasificación en múltiples niveles, lo cual es repetitivo y requiere mucho tiempo. Además, la falta de sistemas de clasificación estandarizados para definir la estenosis espinal lumbar da como resultado interpretaciones inconsistentes. En respuesta, se han desarrollado modelos de aprendizaje profundo (DL) que utilizan redes neuronales convolucionales para ayudar en el análisis de la RM. Los avances recientes en el aprendizaje automático, impulsados por inteligencia artificial (IA), tienen el potencial de acelerar la interpretación de las exploraciones e identificar con precisión afecciones como la degeneración y otros problemas relacionados con los discos, mejorando así la eficiencia, precisión, confiabilidad y rentabilidad de los informes radiológicos.

Un nuevo estudio realizado en el Hospital General de Sengkang (Singapur) evaluó la eficacia deuna herramienta de asistencia en la lectura basada en IA para reducir el tiempo requerido para interpretar exámenes de RM de la columna lumbar y su precisión en el diagnóstico en comparación con radiólogos experimentados. El estudio incluyó un conjunto de datos de prueba de estudios de RM de la columna lumbar de 51 pacientes, 25 hombres y 26 mujeres, realizados del 1 al 10 de diciembre de 2022. Se analizaron tanto las imágenes axiales ponderadas en T1 y T2 desde L1-2 hasta L5-S1, como las imágenes sagitales ponderadas en T1 y T2.

Los hallazgos del estudio publicado,s en el European Journal of Radiology, revelan que el tiempo promedio de interpretación por estudio de RM fue significativamente más corto con la ayuda de la IA que sin ella. El rango intercuartil (RIC) del tiempo de interpretación con IA fue de 5,29 minutos, frente a 56,46 minutos sin IA. Los hallazgos indican que el uso de un modelo de aprendizaje profundo para analizar exploraciones por RM de estenosis espinal lumbar ahorra sustancialmente tiempo y mejora el acuerdo interobservador entre los residentes en formación de radiología. A medida que la IA se integra más en la práctica clínica, está preparada para aumentar la eficiencia clínica, se espera que aumente la eficiencia clínica, ayude a priorizar las tareas de radiología de manera más efectiva y disminuya el tiempo que los radiólogos necesitan para interpretar los resultados.

Enlaces relacionados:
Hospital General de Sengkang