Artículo original: Barash, Y., Livne, A., Klang, E. et al. Artificial Intelligence for Identification of Images with Active Bleeding in Mesenteric and Celiac Arteries Angiography. Cardiovasc Intervent Radiol 47, 785–792 (2024).
DOI: doi.org/10.1007/s00270-024-03689-x
Sociedad: Cardiovascular and Interventional Radiological Society of Europe (CIRSE).
Palabras clave: Artificial intelligence, Interventional radiology, Gastrointestinal bleeding, Convolutional neural networks
Abreviaturas y acrónimos utilizados: Inteligencia Artificial (IA), Mapas de Activación de Clase (CAMs),
Línea editorial: CardioVascular and Interventional Radiology (CVIR) es la revista oficial de la Sociedad Europea de Radiología Cardiovascular e Intervencionista, así como el órgano oficial de otras distinguidas sociedades nacionales e internacionales de radiología intervencionista. CVIR publica trabajos de investigación originales revisados por pares y doblemente ciegos. Además de la comunicación de los últimos resultados de la investigación en este campo, el objetivo de CVIR es también apoyar la formación médica continua. Los artículos que se aceptan para su publicación se hacen en el entendimiento de que ellos, o sus contenidos sustantivos, no han sido ni serán enviados a ninguna otra publicación. Su último factor de impacto es de 2,8 (2023). Su periodicidad es mensual, estando el último número (junio de 2024) compuesto por 29 artículos. Entre ellos destacaría otro artículo: Seguridad y eficacia de la crioneurolisis percutánea del neuroma de Morton guiada por ecografía.
Motivos para la selección: Me interesa el campo de la inteligencia artificial aplicada al Radiodiagnóstico ya que representa el futuro de nuestra profesión, y este artículo es un paso hacia esa dirección. En los últimos años ha habido un auge de la inteligencia artificial y la búsqueda de su aplicación al campo de la medicina. La selección de este artículo se justifica porque me gustaría mostraros uno de sus potenciales usos para mejorar la práctica radiológica, optimizar el diagnóstico y tratamiento de condiciones críticas, y proporcionar beneficios a los radiólogos en términos de precisión, eficiencia y soporte en la toma de decisiones.
Resumen:
Introducción: El artículo aborda el uso de la inteligencia artificial (IA) para identificar imágenes con sangrado activo en angiografía de las arterias mesentérica y celíaca, específicamente en el contexto de sangrado gastrointestinal superior agudo no variceal (UGIB). Este tipo de hemorragia representa una emergencia crítica que requiere un diagnóstico y tratamiento rápidos. La IA se integra en la angiografía por tomografía computarizada (CTA) para mejorar la identificación precisa de las fuentes de sangrado(IA).
Metodología:
- Pacientes e Imágenes de DSA: Se recolectaron imágenes de arteriografías digitales de sustracción (DSA) de pacientes con UGIB.
- Gestión de Imágenes y Datos: Las imágenes se almacenaron y gestionaron para su análisis posterior.
- Especificaciones de Software y Hardware: Se utilizaron herramientas avanzadas de software y hardware para procesar las imágenes.
- Modelo de Red Neuronal: Se desarrolló un modelo de red neuronal convolucional (CNN) para analizar las imágenes.
- Mapas de Activación de Clase (CAMs): Los CAMs se emplearon para resaltar las áreas de interés en las imágenes.
- Métricas: Se evaluó el rendimiento del modelo utilizando diversas métricas como precisión, sensibilidad y especificidad(IA).
Resultados: El modelo de IA demostró una capacidad significativa para identificar extravasaciones arteriales en las imágenes de DSA, con una precisión y rapidez que pueden mejorar la toma de decisiones en el tratamiento de pacientes. Se identificaron ciertas limitaciones, como la naturaleza retrospectiva del estudio, el sesgo de selección debido a la dependencia de datos de un solo centro médico, y la exclusión de imágenes con artefactos de movimiento(IA).
Conclusión: El estudio demuestra el potencial de la IA como una herramienta de apoyo para los radiólogos intervencionistas, mejorando el diagnóstico y el éxito en la embolización. Sin embargo, se necesitan estudios prospectivos y la implementación clínica en el mundo real para validar y refinar el rendimiento del modelo antes de su adopción generalizada(IA).
Valoración personal: Me ha resultado interesante este artículo en cuanto a la aplicación de la IA para identificar sangrados activos en angiografía. Los radiólogos, por nuestra formación y experiencia con tecnologías avanzadas de imagen, estamos en una posición privilegiada para adoptar e implementar esta tecnología en la práctica clínica diaria. La IA, con la adecuada validación y capacitación, además de una formación adecuada de los radiólogos en el manejo de esta herramienta, tiene el potencial de mejorar significativamente la precisión diagnóstica, la eficiencia operativa y los resultados para los pacientes. Estoy asombrado por las posibilidades futuras que ofrece esta tecnología y creo que es una herramienta muy útil, que adecuadamente usada, nos hará más eficientes y precisos.
Martin Santamaria Boado
Hospital Universitario Cruces – R2
cbseram.com 
Deja un comentario