Utilidad clínica, no ‘belleza’, la mejor métrica para evaluar las mejoras de la IA en las imágenes médicas, dicen los ingenieros

Las imágenes médicas juegan un papel esencial en el diagnóstico y tratamiento de una serie de condiciones. Desde radiografías para ver un hueso roto o una cavidad dental hasta exploraciones SPECT para detectar defectos cardíacos, los médicos usan imágenes médicas para mirar dentro del cuerpo, encontrar enfermedades y tratarlas adecuadamente. Pero, ¿qué sucede cuando esas imágenes no son claras?

Los avances recientes en inteligencia artificial han abierto la puerta al uso de métodos basados ​​en IA para eliminar o limpiar imágenes médicas. Sin embargo, antes de que estas herramientas puedan usarse en entornos clínicos para la atención real de pacientes, deben evaluarse rigurosamente, dijo Abhinav Jha, profesor asistente de ingeniería biomédica en la Escuela de Ingeniería McKelvey y de radiología en el Instituto de Radiología Mallinckrodt (MIR) en la Escuela de Medicina, ambos en la Universidad de Washington en St. Louis.

En un estudio publicado en Física Médica, Jha y colaboradores en MIR evaluaron un enfoque basado en IA de uso común para eliminar el ruido de las imágenes SPECT cardíacas. El equipo evaluó el rendimiento del enfoque de dos maneras: ¿Qué tan similares visualmente eran las imágenes sin ruido a las imágenes normales y qué tan bien se desempeñó la imagen sin ruido en la tarea clínicamente relevante de detectar defectos cardíacos?

«De manera bastante alarmante, si bien las métricas basadas en la similitud visual sugirieron que la técnica de eliminación de ruido basada en la IA mejoró el rendimiento, en realidad no tuvo un impacto significativo y, en algunos casos, incluso degradó el rendimiento en las tareas clínicas», dijo Jha. «Esto enfatiza la importante necesidad de realizar una evaluación de los algoritmos de IA en tareas clínicas y no solo confiar en la similitud visual como medida de rendimiento».

En el estudio, el primer autor Zitong Yu, estudiante de doctorado en el laboratorio de Jha, descubrió que la técnica de eliminación de ruido de la IA tendía a suavizar las imágenes SPECT cardíacas, lo que reducía el ruido según lo previsto, pero también reducía el contraste del defecto cardíaco que los médicos necesitan hacer. diagnósticos precisos. «Esto es precisamente lo que queremos evitar que suceda en la práctica médica real», dijo Yu.

El estudio aboga por una evaluación basada en tareas de los métodos de eliminación de ruido basados ​​en IA para evaluar la utilidad de las imágenes procesadas por IA. «Garantizar que la eliminación de ruido basada en IA funcione bien para tareas clínicas reales, no solo estéticamente, significaría grandes beneficios para los pacientes al producir imágenes de alta calidad en menos tiempo o con dosis de radiación reducidas», dijo el colaborador Robert J. Gropler, profesor de radiología y vicepresidente senior y director de división de ciencias radiológicas del MIR.

Jha y su equipo han estado desarrollando una nueva técnica de eliminación de ruido en esta dirección, y su presentación sobre este tema recibió una mención de honor en la reunión de imágenes médicas de SPIE. Jha también dirigió un equipo multiinstitucional y multiagencia encargado de desarrollar un marco para evaluar métodos de imágenes médicas basados ​​en IA. Sus directrices, Recomendaciones para la evaluación de la IA para medicina nuclear (RELAINCE), se publicaron en 2022 e informaron esta última investigación.