Escaneto de lesión: la inteligencia artificial revoluciona el diagnóstico de apendicitis con una precisión del 99%

Escaneto de lesión: la inteligencia artificial revoluciona el diagnóstico de apendicitis con una precisión del 99%

La investigación ofrece nuevos conocimientos para diagnosticar la apendicitis aguda, la inflamación repentina del proceso del gusano, lo que causa síntomas como el dolor abdominal, los vómitos y la fiebre. La tomografía por computadora (TC) a menudo se usa para el diagnóstico, pero esto puede ser difícil debido a la ubicación del apéndice y la anatomía compleja del colon. Se desarrolló una nueva herramienta llamada "Lesionscannet" para apoyar a los radiólogos en la detección precisa de esta enfermedad.

El escaneto de lesiones es un modelo progresivo basado en una red neuronal profunda, más precisamente una red neuronal convolucional (CNN). Este modelo analiza las imágenes de CT para identificar signos de apendicitis con alta precisión. Se recopilaron 2400 imágenes CT para el desarrollo del modelo, que son una base sólida para capacitar a la red. Una precisión del 99% en la detección de la apendicitis que alcanza el modelo en las imágenes de prueba es impresionante.

Los posibles efectos de este desarrollo podrían ser significativos. El uso de un modelo tan poderoso podría hacer que el diagnóstico de la inflamación del apéndice sea más preciso y más rápido, lo que a su vez podría conducir a un tratamiento más eficiente. Si esta herramienta se desarrolla, posiblemente también podría usarse en otras áreas médicas, lo que lo convierte en una ayuda versátil en la imagen de diagnóstico.

Términos y conceptos básicos

• apendicitis aguda : inflamación rápida del proceso de gusano (apéndice) con síntomas como el dolor abdominal y la fiebre.
• Computer Tomography (CT) : un proceso de imagen médica que proporciona las imágenes transversales del cuerpo para diagnosticar enfermedades y lesiones.
• red neuronal convolucional (CNN) : un tipo de red neuronal artificial que es particularmente buena al analizar los datos de imágenes.
• lesionCannet : un método específico basado en CNN que se desarrolló para reconocer signos de enfermedades como la apendicitis en las imágenes de CT.
• parámetro : números utilizados en un modelo para hacer predicciones; Cuanto más fácil sea el modelo, se necesitan menos parámetros.

abreviaturas

• ct : tomografía por computadora
• cnn : red neuronal convolucional (red neuronal plegable)

Escaneto de lesión: precisión en el diagnóstico de apendicitis aguda

La investigación actual presenta el modelo de cañón de lesiones, una nueva red neuronal convolucional (CNN) especialmente para la detección de apendicitis aguda asistida por computadora. Este trabajo de investigación en particular enfatiza la precisión y eficiencia de este modelo en el procesamiento de imágenes de CT, por lo que supera desafíos como variabilidades anatómicas de la ubicación del apéndice.

Metodología y estructura del modelo

• Registro de datos: El estudio se basó en un extenso conjunto de datos, que consiste en 2400 imágenes de exploración por ct, que fue recopilada por el departamento de cirugía general en el Hospital de Investigación e Investigación de Kanuni Sultan Süleyman en Estambul, Turquía.
• Arquitectura del modelo: El escaneto de lesiones es un modelo liviano con solo 765,000 parámetros. Integra varios bloques de doble núcleo, cada uno de los cuales incluye plegamiento, expansión, capas plegables separables y conexiones de omisión.
• Bloques de dualcernel: Estos bloques de procesos de procesos de entrada en dos rutas: uno usa filtros 3 × 3, mientras que el otro filtro 1 × 1 usa. Esta estructura maximiza la eficiencia de identificación en diferentes tamaños de filtro.

Habilidades de rendimiento y generalización

• Precisión: El modelo de cañón de lesión logró una precisión considerable del 99% en el conjunto de datos de prueba. Este resultado excede el rendimiento de los modelos de aprendizaje de referencia establecidos para la detección de apendicitis.
• Capacidad de generalización: La efectividad del escaneto de lesión también fue respaldada por pruebas en una imagen de rayos X del seno para la detección de neumonía y Covid-19.

Conclusiones y aplicaciones futuras

El estudio muestra que el cannet de la lesión es superior tanto en su especificidad como en su eficiencia en la detección de apendicitis aguda. A pesar del pequeño número de parámetros, el modelo ofrece un rendimiento robusto, lo que sugiere su aplicabilidad a otros campos médicos, como la detección de enfermedades respiratorias.

El éxito de LesionCannet puede servir como base para futuros trabajos de investigación y desarrollo en el procesamiento de imágenes médicas, con el potencial de aumentar la precisión en el diagnóstico de otras enfermedades.

Fuente de investigación: https://pubmed.nlm.nih.gov/39654693