Promocione sus productos o servicios con nosotros
Londres, Inglaterra - Septiembre de 2017

Algoritmo de aprendizaje mecánico podría predecir resultados de hipertensión pulmonar

El algoritmo es capaz de analizar y aprender las imágenes de resonancia magnética del ventrículo derecho y permite predecir mejor la supervivencia del paciente.

Investigadores del Reino Unido desarrollaron un algoritmo complejo capaz de analizar y aprender las imágenes de resonancia magnética (RM) del ventrículo derecho, lo que permite a los médicos predecir mejor la supervivencia del paciente que con los biomarcadores tradicionales.

Al usar el modelado de imagen en tercera dimensión (3D), combinado con el aprendizaje automático, los expertos demostraron una estratificación de riesgo más precisa de los pacientes que sufren de hipertensión pulmonar, que mediante el uso de imágenes convencionales y biomarcadores, según una nueva investigación de radiología, indica una nota de la Sociedad Radiológica de América del Norte (RSNA, por su sigla en inglés).

Se llevó a cabo una investigación convencional de resonancia magnética cardíaca la cual se adquiere rutinariamente y se aplicó un método de aprendizaje automático para identificar la información más relevante para la supervivencia del paciente”, dijo el autor del estudio Timothy Dawes del Colegio Imperial de Londres.

El análisis de 256 pacientes con hipertensión pulmonar se concentró en la función del ventrículo derecho, clave en la supervivencia de personas con esta condición. El equipo utilizó imágenes convencionales de RM y desarrolló un modelo tridimensional de alta resolución del ventrículo derecho para cada sujeto, así evaluaron la función ventricular en casi 30.000 puntos.

El algoritmo fue capaz de discernir los patrones de función que predijo la mala supervivencia de la mitad de los sujetos y probar el rendimiento de estas firmas en los restantes sujetos. Los investigadores compararon estos hallazgos con predicciones al utilizar marcadores de pronósticos convencionales, como los derivados del cateterismo cardíaco, las evaluaciones funcionales y el análisis de RM convencional.

El proceso se repitió 1.000 veces con asignación aleatoria de los sujetos a la formación y los grupos de ensayo. Según los resultados, la predicción utilizando modelos tridimensionales superó todos los otros marcadores en el pronóstico de la supervivencia. “La investigación también dio una idea de cómo las adaptaciones funcionales en el ventrículo derecho, incluso en la primera presentación, anuncia mal pronóstico y lo que en realidad significan estas adaptaciones en el sentido anatómico”, dijo Dawes.

Según el estudio, la función sistólica en la mayor parte del ventrículo derecho y el tabique influyó en la supervivencia del paciente. La reducción de la excursión longitudinal a lo largo de las regiones basal y ventricular media se asoció con mal resultado. Una disminución de la contracción radial en el septo y la pared libre también tuvo importancia. La mortalidad también fue predicha por un aumento global de la función circunferencial.

Al proporcionar predicciones precisas sobre la salud de los pacientes, el aprendizaje de máquinas podría transformar la radiología”, señaló el autor principal Declan O'Regan científico clínico y radiólogo consultor del Instituto de Ciencias Médicas de Londres MRC. “Esta tecnología permitirá que las investigaciones clínicas, incluidas las imágenes avanzadas, guíen con mayor precisión la gestión y aprovechen al máximo los recursos sanitarios”, agregó.


Palabras relacionadas:
Diagnostico de hipertensión pulmonar, análisis de imágenes por resonancia magnética, análisis digital de imágenes, algoritmos de aprendizaje mecánico, inteligencia artificial, resonancia magnética cardíaca, investigaciones en Reino Unido, algoritmo hipertensión pulmonar.
x

Sección patrocinada por

Otras noticias de Imágenes diagnósticas y Medicina nuclear

Documentos relacionados