IA no supervisada predice la progresión de la COVID y la supervivencia de los pacientes directamente de nuevas imágenes de TC del tórax

En un estudio multicéntrico, un equipo de investigación del Hospital General de Massachusetts (Boston, MA, EUA), demostró que el aprendizaje profundo no supervisado basado en TC puede proporcionar un desempeño pronóstico significativamente mayor que las pruebas de laboratorio establecidas y los predictores de supervivencia cuantitativos y visuales basados en imágenes existentes. El modelo puede predecir, para cada paciente, el momento en que progresa la COVID-19 y, por lo tanto, el momento en que el paciente ingresa en una unidad de cuidados intensivos o cuando el paciente está enfermo, algo que otros modelos de predicción basados en imágenes no pueden hacer. La información de tiempo calculada por el modelo también permite la estratificación de los pacientes en grupos de bajo y alto riesgo por un margen más amplio de lo que es posible con otros predictores.

La evaluación clínica rápida y exacta de la progresión de la enfermedad y la mortalidad es vital para el tratamiento de los pacientes con COVID-19. Aunque se han propuesto varios predictores, se han limitado a evaluaciones subjetivas, esquemas semiautomatizados o enfoques de aprendizaje profundo supervisados. Tales predictores son subjetivos o requieren una laboriosa anotación de los casos de entrenamiento. En un estudio complementario, el equipo de investigación ya había demostrado que se podía utilizar la IA supervisada para predecir la supervivencia de los pacientes con COVID-19 a partir de sus imágenes de tomografía computarizada de tórax. Sin embargo, el nuevo modelo de IA sin supervisión abre nuevos caminos al evitar las limitaciones técnicas y los laboriosos esfuerzos de anotación de los predictores anteriores, porque el uso de una red de generación de adversarios hace posible entrenar un modelo completo de análisis de supervivencia de un extremo a otro directamente desde las imágenes. Aunque el estudio se limitó a pacientes con COVID-19, el equipo cree que el modelo también se puede generalizar a otras enfermedades.

“Nuestros resultados muestran que el desempeño de predicción del modelo de IA no supervisado fue significativamente mayor y el error de predicción significativamente menor que los de los predictores de referencia previamente establecidos”, dijo Hiroyuki Yoshida, PhD, director de Investigación de Imágenes 3D en el Hospital General de Massachusetts, quien dirigió el equipo de investigación. “El uso de IA no supervisada como parte integral del modelo de predicción de supervivencia hace posible realizar predicciones de pronóstico directamente a partir de las imágenes de TC originales de los pacientes con una precisión mayor que la que antes era posible en las imágenes cuantitativas”.

“Es una tecnología de IA mucho más precisa y avanzada”, explicó Yoshida. “Problemas como la COVID Larga, la variante Delta o la generalización del modelo a otras enfermedades manifestadas en imágenes médicas son aplicaciones prometedoras de este modelo de IA sin supervisión”.

Enlace relacionado:
Hospital General de Massachusetts