Un modelo de aprendizaje profundo consigue identificar las vértebras lumbares y calcular su DMO de forma automática a partir de tomografías
Medir la densidad mineral ósea (DMO) es el procedimiento estándar para diagnosticar la osteoporosis (OP) de forma temprana. Generalmente, dicho parámetro suele obtenerse a partir de una absorciometría de rayos X de energía dual (DXA) o mediante tomografía computarizada (TC) cuantitativa. Esta última técnica es más precisa y emite menos radiación que la DXA, pero también requiere de un post-procesado más complejo.
Por otro lado, muchos pacientes en todo el mundo con afecciones de los tractos gastrointestinal o urinario son sometidos a TC rutinarias de abdomen o espalda para diagnosticar o controlar dichas enfermedades. Según un equipo de investigadores chinos, dichas TC podrían servir para analizar si estos pacientes también presentan OP u osteopenia mediante la aplicación de la inteligencia artificial (IA).
En un artículo publicado en la revista European Radiology, los especialistas han desarrollado un modelo de aprendizaje profundo en base a redes neuronales convolucionales (CNN) que, a partir de imágenes de TC de la columna, localiza las vértebras lumbares y calcula su DMO de forma automatizada.
Los cálculos de DMO obtenidos por el modelo correlacionaron altamente con los valores medidos por TC cuantitativa
Para poner a punto y testear el modelo, el estudio contó con 1.449 pacientes que recibieron una TC abdominal o lumbar entre 2018 y 2020. 586 de estos casos se utilizaron para entrenar la IA, mientras que los 863 restantes se usaron para ponerlo a prueba.
Una primera CNN se encargó de segmentar las vértebras lumbares de cada imagen de forma automatizada y con una buena correlación en comparación con la localización de L1-L4 realizada de forma manual. Otra CNN se encargó de calcular la DMO también de forma automática, y la media de resultados obtenidos correlacionó altamente con los valores de DMO medidos por TC cuantitativa. El modelo clasificó a los pacientes testeados como osteoporóticos, osteopénicos o sanos en función del cálculo de DMO.
Los autores consideran que esta metodología podría ayudar a extraer información adicional de TC rutinarias y contribuir a detectar de forma oportunista y temprana la OP, lo que podría ayudar a frenar el avance y las complicaciones derivadas de dicha patología ósea.
Referencia
Fang Y, Li W, Chen X, et al. Opportunistic osteoporosis screening in multi-detector CT images using deep convolutional neural networks [published online ahead of print, 2020 Oct 1].
Eur Radiol. 2020;10.1007/s00330-020-07312-8.
doi:10.1007/s00330-020-07312-8