MADRID, 2 Jul. (EUROPA PRESS) -
Un grupo de investigación de la Universidad Metropolitana de Osaka (Japón) ha desarrollado un modelo de inteligencia artificial (IA) que puede detectar la presencia de enfermedad del hígado graso a partir de imágenes de radiografías de tórax.
Actualmente, las pruebas para diagnosticar la enfermedad del hígado graso incluyen ecografías, tomografías computarizadas y resonancias magnéticas, que requieren equipos e instalaciones especializadas de alto costo. En cambio, las radiografías de tórax son más económicas, requieren una baja exposición a la radiación y se realizan con mayor frecuencia; principalmente para examinar el estado de los pulmones y el corazón, aunque también captura parte del hígado, lo que permite detectar signos de enfermedad del hígado graso.
En este sentido, el grupo de investigadores dirigido por la profesora asociada Sawako Uchida-Kobayashi y el profesor asociado Daiju Ueda en la Facultad de Medicina de la Universidad Metropolitana de Osakautilizaron, han utilizado 6.599 radiografías de tórax con datos de 4.414 pacientes que se han sometido a exámenes de parámetros de atenuación controlada (CAP), una técnica no invasiva que se utiliza para medir la cantidad de grasa en el hígado.
Durante el desarrollo del estudio, a todos los pacientes se les diagnosticó esteatosis hepática según el valor de CAP. Después se les dividió aleatoriamente en conjuntos de entrenamiento, ajuste y prueba interna y en conjuntos de prueba externa. Finalmente se entrenó, ajustó y evaluó un modelo basado en aprendizaje profundo para clasificar la esteatosis hepática mediante radiografías de tórax.
Así, se ha evaluado el rendimiento utilizando el área bajo la curva (AUC por sus siglas en inglés) que ha verificado la alta precisión del modelo de IA, con un resultado de entre 0,82 y 0,83.
"El desarrollo de métodos de diagnóstico mediante radiografías de tórax fáciles de obtener y económicas tiene el potencial de mejorar la detección del hígado graso. Esperamos que pueda aplicarse en la práctica en el futuro", afirma la directora de la investigación, asociada Uchida-Kobayashi.