Investigadores dirigidos por el Dr. Mark Walker, de la Facultad de Medicina de la Universidad de Ottawa (Canada), se han convertido en pioneros en el uso de un modelo único de aprendizaje profundo basado en inteligencia artificial como herramienta de asistencia para la lectura rápida y precisa de imágenes de ultrasonido con el fin de identificar trastornos raros y potencialmente mortales en fetos.

El objetivo del estudio publicado en ´Plos One´ era demostrar el potencial de la arquitectura de aprendizaje profundo para respaldar la identificación temprana y confiable del higroma quístico a partir de ecografías del primer trimestre. El higroma quístico es una afección embrionaria que hace que el sistema vascular linfático se desarrolle de manera anormal. Es un trastorno raro y potencialmente mortal que conduce a la inflamación de líquido alrededor de la cabeza y el cuello.

Por lo general, el defecto congénito se puede diagnosticar fácilmente antes del nacimiento con una prueba de ultrasonido, pero el Dr. Walker y su grupo de investigación optaron por probar si a través de la inteligencia artificial como herramienta para el manejo de imágenes de ultrasonido.

A partir de un conjunto de datos de casi 300 ecografías fetales recolectadas retroactivamente en el Hospital de Ottawa, las imágenes se analizaron usando un modelo DenseNet para identificar correctamente los casos de higroma quístico en comparación con los controles normales mediante el cálculo de la sensibilidad, la especificidad y otras medidas. También se generaron mapas de calor de activación de la clase de degradado, que visualizan píxeles en imágenes, para evaluar la interpretabilidad del modelo. La precisión general del modelo fue del 93 %.

"Lo que demostramos fue que en el campo de la ecografía podemos usar las mismas herramientas para la clasificación e identificación de imágenes con una alta sensibilidad y especificidad", concluyó el Dr. Walker, quien se mostró convencido de que su enfoque podría aplicarse a otras anomalías fetales generalmente identificadas por ultrasonografía.

Y es que aunque los modelos de aprendizaje profundo basados en redes neuronales artificiales se han vuelto cada vez más populares en la interpretación de imágenes médicas y en la detección de trastornos, descubrir cómo su aplicación puede funcionar en la ultrasonografía obstétrica está todavía poco desarrollados.