La ecografía de mano mejorada con IA mejora la detección de placas carotídeas

Esta brecha dificulta que los clínicos de primera línea decidan quién necesita una prueba de imagen confirmatoria, un seguimiento más estrecho o un manejo más intensivo de los factores de riesgo de ictus.

Investigadores de la provincia de Hunan, China, desarrollaron un modelo de inteligencia artificial que mejora las imágenes de ecografía portátil después de su adquisición. La nueva tecnología introducida tiene como objetivo mejorar la detección de placas carotídeas en entornos comunitarios y de atención primaria.

El equipo construyó un enfoque de superresolución potenciado por IA adaptado a la ecografía portátil. El método está diseñado para usarse después de capturar las imágenes, sin modificar los flujos de trabajo de exploración. El trabajo fue dirigido en el Laboratorio Clave de Terapéutica de Precisión en Imagen Médica y Protección Radiológica, Facultad de la provincia de Hunan, Escuela de Medicina de Hengyang, Hospital Central Afiliado de Changsha, Universidad del Sur de China, Changsha, China. 

El sistema portátil de ecografía de superresolución potenciado por IA procesa los fotogramas adquiridos para aumentar la resolución espacial aparente y el contraste. Al mejorar los límites de la pared vascular y las interfaces de la placa, pretende revelar lesiones pequeñas o de bajo contraste en las imágenes portátiles nativas. El enfoque está pensado para su uso en el punto de atención, donde los sistemas de carro o las modalidades confirmatorias pueden no estar disponibles de inmediato.

Los investigadores probaron la tecnología en un programa de cribado comunitario de adultos de 40 años o más. En 117 participantes con 153 placas carotídeas, las imágenes potenciadas por IA mostraron el 94,8% de las placas, frente al 87,6% en las imágenes estándar de ecografía portátil. La mejora reveló 11 placas adicionales, que eran principalmente pequeñas o de bajo contraste y mostraban un estrechamiento leve del vaso en la imagen de referencia.

La evaluación de las características de inestabilidad de la placa también mejoró. Las imágenes potenciadas por inteligencia artificial identificaron correctamente el 63,2% de las placas que parecían inestables, frente al 47,4%, mientras descartaban correctamente placas de apariencia estable alrededor del 96% de las veces. Sin embargo, las imágenes mejoradas siguieron pasando por alto más de una tercera parte de las placas con características de apariencia inestable, lo que indica que la herramienta no debe usarse por sí sola para descartar el riesgo.

El estudio se publicó en Annals of Family Medicine. Lo acompaña un editorial que examina lo que los sistemas de salud pueden necesitar para respaldar una adopción más amplia de la ecografía en el punto de atención habilitada por inteligencia artificial, elaborado por investigadores del Departamento de Medicina Familiar de la Facultad de Medicina Warren Alpert de la Universidad Brown.