Resultados del software de detección de ThinkSono DVT se publican en Nature digital medicine (npj)
LONDRES y POTSDAM, Alemania, 16 de septiembre de 2021 /PRNewswire/ -- Un equipo de investigadores está desarrollando el uso de un algoritmo de inteligencia artificial (IA) con el objetivo de diagnosticar la trombosis venosa profunda (TVP, DVT en inglés) de manera más rápida e igual de eficaz que los estudios de diagnóstico de interpretación radiológica tradicionales, lo que podría reducir las largas listas de espera para los pacientes y evitar que reciban fármacos para tratar la TVP cuando en realidad no la padecen.
La TVP es un tipo de coágulo sanguíneo más comúnmente formado en la pierna, que causa hinchazón, dolor e incomodidad, que si no se trata, puede provocar coágulos sanguíneos fatales en los pulmones. Entre el 30 % y el 50 % de las personas que desarrollan TVP puede experimentar síntomas y discapacidades a largo plazo.
Investigadores de Oxford University, Imperial College y University of Sheffield trabajaron con la empresa tecnológica ThinkSono (dirigida por Fouad Al-Noor y Sven Mischkewitz) para entrenar un algoritmo de IA con aprendizaje automático (AutoDVT) para distinguir a los pacientes que padecían TVP de los que no. Tras comparar con una ecografía, el estándar por excelencia, el algoritmo de IA diagnosticó con precisión la TVP. El equipo determinó que el uso del algoritmo podría ahorrar potencialmente a los servicios de salud USD 150 por examen.
"De manera tradicional, los diagnósticos de TVP necesitan una ecografía especializada que la realiza un profesional en radiología capacitado, y hemos descubierto que los datos preliminares usando el algoritmo de IA acoplado a una máquina de ultrasonido manual muestran resultados prometedores", indicó la Dra. Nicola Curry, investigadora del Departamento de Medicina Radcliffe de Oxford University y médica de Oxford University Hospitals NHS Foundation Trust.
Este es el primer estudio en demostrar que los algoritmos de IA con aprendizaje automático pueden potencialmente diagnosticar la TVP, y los investigadores deben comenzar un estudio clínico ciego de precisión de pruebas, comparando la precisión del AutoDVT con la atención estándar para determinar la sensibilidad para detectar casos de TVP. Se espera que el AutoDVT logre un diagnóstico correcto más rápido para las casi ocho millones de personas al año en todo el mundo que podrían tener un coágulo de sangre venosa.
"El algoritmo de IA no solo puede entrenarse para analizar imágenes de ultrasonido para discriminar la presencia frente a la ausencia de un coágulo sanguíneo, sino que también puede dirigir al usuario que opera el dispositivo de ultrasonido hacia las posiciones correctas a lo largo de la vena femoral, de manera que incluso un usuario no especialista pueda obtener las imágenes correctas", afirmó Christopher Deane, miembro del equipo de estudio de Oxford Haemophilia and Thrombosis Centre.
El equipo de investigación espera que la combinación de la herramienta AutoDVT, con la inclusión del algoritmo de IA, permita a los profesionales de la salud no especializados, como médicos generales y personal de enfermería, diagnosticar y tratar la TVP rápidamente. Además, permitiría que los no especialistas obtuvieran las imágenes para luego enviarlas a un experto, facilitando así el diagnóstico para quienes no logran ser atendidos por un especialista.
"En la actualidad, muchos pacientes no tienen un diagnóstico definitivo dentro de las 24 horas posteriores a una sospecha de TVP, y son muchos los pacientes que terminan recibiendo inyecciones dolorosas de lo que a menudo puede ser un anticoagulante innecesario, con potencial efecto secundario", señaló la Dra. Curry, quien también forma parte del Oxford Centre for Haematology.
Fouad Al Noor, director ejecutivo de ThinkSono, expresó: "Estamos encantados por los resultados de este estudio y nos entusiasma seguir trabajando con Oxford University Hospital y otros hospitales asociados para probar el software y llevarlo a los pacientes de todo el mundo".
Los resultados del estudio se publican en la revista npj Digital Medicine.
El sitio web de ThinkSono se encuentra en:
www.thinksono.com
Comuníquese con ThinkSono para obtener más información: Fouad Al Noor, [email protected]
Nota: El trabajo de investigación se puede encontrar aquí: https://www.nature.com/articles/s41746-021-00503-7 con DOI: https://doi.org/10.1038/s41746-021-00503-7
Fotografía: https://mma.prnewswire.com/media/1626577/ThinkSono.jpg
FUENTE ThinkSono Ltd
Share this article