Investigadores canadienses han experimentado un gran avance con el uso del aprendizaje profundo basado en inteligencia artificial como herramienta para la identificación temprana de defectos congénitos.
En un estudio, el equipo de la Universidad de Ottawa probó el uso del modelo como herramienta de asistencia para la lectura rápida y precisa de imágenes de ultrasonido.
En concreto, el objetivo del estudio, publicado en la revista científica Plos One, fue demostrar el potencial de la arquitectura de aprendizaje profundo para respaldar la identificación temprana y confiable del higroma quístico a partir de ecografías del primer trimestre.
El objetivo del estudio fue demostrar el potencial de la arquitectura de aprendizaje profundo para respaldar la identificación temprana y confiable del higroma quístico a partir de ecografías del primer trimestre
El higroma quístico es una afección embrionaria que hace que el sistema vascular linfático se desarrolle de manera anormal. Es un trastorno raro y potencialmente mortal que conduce a la inflamación de líquido alrededor de la cabeza y el cuello.
Por ello, los investigadores probaron qué tan bien el reconocimiento de patrones impulsado por IA podría diagnosticar el defecto de nacimiento prenatalmente mediante ultrasonografía.
“Lo que demostramos fue que en el campo del ultrasonido podemos usar las mismas herramientas para la clasificación e identificación de imágenes con una alta sensibilidad y especificidad”, han explicado.
“Con un mayor desarrollo, incluidas las pruebas en un gran conjunto de datos de múltiples sitios y la validación externa, nuestro enfoque puede aplicarse a una gama de otras anomalías fetales típicamente identificadas por ultrasonografía”, han subrayado.