Proponen un nuevo enfoque para mejorar la precisión del diagnóstico de la endometriosis.
- ComiteNetMD
- 12 de febrero de 2025
- Ginecología y Obstetricia
- 0 Comments
10/02/2025
Diagnosticar con precisión la endometriosis puede reportar muchas ventajas, tanto clínicas como de calidad de vida, a las pacientes que padecen esta patología. Conscientes de ello, la comunidad científica explora nuevas vías con ayuda de la inteligencia artificial para hacer frente al desafío ligado al diagnóstico de dicha enfermedad.
La endometriosis es una enfermedad que afecta a cerca del 10% de las mujeres, por lo general, durante su etapa reproductiva. El diagnóstico generalmente implica la identificación de varios signos de la enfermedad mediante cirugía laparoscópica o el análisis de imágenes de resonancia magnética T1/T2, siendo este último más rápido y económico, pero menos preciso. Sin embargo, las pacientes tardan tiempo en recibir un diagnóstico formal, lo que generalmente ocurre después de la identificación de diversos signos mediante imágenes y/o cirugía laparoscópica.
Uno de estos signos diagnósticos que resulta clave en la endometriosis es la obliteración del saco de Douglas (un pequeño espacio en la pelvis femenina entre el útero y el recto) que, incluso, los médicos experimentados pueden tener dificultades para detectar con precisión en las imágenes de resonancia magnética.
Sobre la materia, investigadores de la Universidad de Adelaida (Australia) han propuesto un nuevo enfoque para la clasificación de la endometriosis, que se cree es el primero de su tipo, y que combina modelos de aprendizaje automático y conocimiento humano.
La propuesta, difundida en ‘Physics in Medicine and Biology’, se denomina ‘Aprendizaje multimodal colaborativo de múltiples evaluadores entre inteligencia artificial y humana, HAICOMM’. “Utiliza el aprendizaje de múltiples evaluadores para identificar una etiqueta más clara y confiable al combinar y refinar múltiples etiquetas inconsistentes o ‘ruidosas’ para cada muestra de entrenamiento“, explicó el Dr. Yuan Zhang, miembro del equipo e investigador con una subvención del Instituto de Investigación Robinson de la Universidad.
El desafío del diagnóstico
Se trata del primer método que explora tres aspectos importantes del desafío en el diagnóstico de la endometriosis. Una de ellas es el aprendizaje de múltiples evaluadores para extraer una etiqueta más limpia de las múltiples etiquetas ‘ruidosas’ disponibles por muestra de entrenamiento. Otro de los aspectos es el aprendizaje multimodal para aprovechar la presencia de imágenes de resonancia magnética para el entrenamiento y las pruebas. Además, se valora la colaboración entre humanos e inteligencia artificial para construir un sistema que aproveche las predicciones de los médicos y el modelo de IA para proporcionar una clasificación más precisa que los médicos y los modelos de IA independientes
“Las investigaciones han demostrado que la clasificación manual de la obliteración del saco de Douglas a partir de imágenes de resonancia magnética tiene una tasa de incertidumbre notablemente alta, con una precisión de solo entre el 61,4 y el 71,9 por ciento. Esto también puede complicar el entrenamiento de modelos de IA confiables”, indicó el Dr. Zhang.
“El largo período de espera para un diagnóstico reduce la calidad de vida de quienes padecen esta enfermedad y la dependencia actual de procedimientos invasivos para ayudar a los diagnósticos aumenta los costos de la atención médica, lo que impone una carga considerable tanto para los sistemas de atención médica como para los pacientes”, indicó dicho investigador.
“Estos desafíos subrayan la necesidad urgente de contar con soluciones de diagnóstico innovadoras basadas en imágenes que puedan mitigar estos problemas y, al mismo tiempo, mejorar la atención al paciente”, concluyó el experto.
