COMUNICACIÓN ORAL | 24 noviembre 2021, miércoles | Hora: 15:00
AUTORES
Rovira Cañellas, Alex 1; Corral , Juan Francisco 1; Auger , Cristina 1; Valverde , Sergi 2; Vidal-Jordana , Angela 3; Oliver , Arnau 2; de Barros , Andrea 1; Ng Wong , Yiken Karelys 1; Tintoré , Mar 3; Aymerich , Francesc Xavier 1; Montalban , Xavier 3; Lladó , Xavier 2; Alonso , Juli 1
CENTROS
1. Servicio: Radiología. Hospital Universitari Vall d'Hebron; 2. Servicio: Department of Computer Architecture and Technology. Universidad de Girona; 3. Servicio de Neurología. Hospital Universitari Vall d'Hebron
OBJETIVOS
Comparar la precisión en la detección de lesiones desmielinizantes nuevas / agrandadas en T2 y en la identificación de pacientes con esclerosis múltiple radiológicamente activos a través de la utilización de diferentes métodos visuales y automáticos.
MATERIAL Y MÉTODOS
Cien pacientes con EM se sometieron a dos exámenes de RM en un plazo de 12 meses. Se evaluaron cuatro estrategias para detectar lesiones nuevas o aumentadas en T2: 1) informes neurorradiológicos convencionales; 2) análisis visuales prospectivos realizados por un experto; 3) herramienta automatizada basada en una técnica no supervisada; y 4) herramienta automatizada con utilización de una red neuronal convolucional supervisada (CNN). Los pacientes activos se definieron por la presencia de lesiones nuevas / aumentadas en T2. Como resultado de referencia de lesiones nuevas / aumentadas en T2 se creó un consenso por dos observadores expertos basado en las cuatro estrategias utilizadas.
RESULTADOS
El resultado de referencia detectó 104 lesiones nuevas/aumentadas en 38 pacientes. Los métodos automáticos detectaron un número significativamente mayor de lesiones nuevas / aumentadas en T2 (aproximadamente el doble) que los métodos visuales. Los métodos automáticos también detectaron un mayor número de pacientes activos pero un mayor número de pacientes activos falsos positivos que los métodos visuales. El modelo CNN fue el más sensible para detectar lesiones nuevas / aumentadas en T2.
CONCLUSIONES
Los modelos de CNN automatizados muestran potencial como una ayuda para la evaluación neurorradiológica en la práctica clínica, aunque dada una especificidad subóptima, todavía requieren la supervisión visual de los resultados obtenidos.
