Home / Medicina / Aprendizaje profundo permite exploraciones cardíacas más seguras
Aprendizaje profundo permite exploraciones cardíacas más seguras

Aprendizaje profundo permite exploraciones cardíacas más seguras

Tiempo de lectura: 2 minutos

Investigadores de Rigshospitalet en Dinamarca han investigado el uso del aprendizaje profundo para reducir el ruido en imágenes de PET de dosis baja. Ellos validaron la precisión diagnóstica de este enfoque utilizando imágenes de 18F-FDG de pacientes con cardiopatía isquémica, detallando sus hallazgos en  Physics in Medicine & Biology.

La tomografía por emisión de positrones (PET) con el radiotrazador 18F-FDG proporciona una herramienta importante para evaluar la salud del músculo cardíaco en pacientes con cardiopatía isquémica, en la que las arterias coronarias estrechas reducen el suministro de sangre al corazón. Estas exploraciones PET ayudan a identificar el nivel de daño en el músculo cardíaco y juegan un papel importante en la toma de decisiones clínicas.

Las pautas actuales recomiendan inyectar una dosis de 200 a 350 MBq de 18F-FDG. Pero reducir esta dosis de trazador disminuirá la exposición a la radiación del paciente, un objetivo esencial de cualquier procedimiento de diagnóstico, así como también reducirá los costos de imágenes y potencialmente abrirá nuevas aplicaciones. Sin embargo, la desventaja es que una dosis de trazador más baja puede producir imágenes de peor calidad, lo que reduce la precisión del diagnóstico.

Reducir ruido sin perder precisión del diagnóstico con aprendizaje profundo

Los investigadores reconstruyeron imágenes PET estáticas y controladas por ECG (con ocho puertas). También simularon imágenes de dosis reducida con 1% y 10% de los recuentos totales, correspondientes a dosis trazadoras de 3 y 30 MBq, respectivamente. Luego entrenaron a U-Net, una red neuronal convolucional 3D desarrollada para la segmentación de imágenes biomédicas, para eliminar el ruido de los cuatro conjuntos de imágenes PET de dosis reducida (datos estáticos y cerrados con los dos umbrales de reducción de dosis).

Los investigadores concluyen que su modelo de reducción de ruido de aprendizaje profundo permite una reducción significativa de la dosis de 18F-FDG en las imágenes de PET cardíacas sin perder la precisión del diagnóstico. “Es posible una reducción a una centésima parte de la dosis con métricas clínicas cuantitativas comparables a las obtenidas con una dosis completa”, escriben. «Esta reducción de dosis es importante para los pacientes, el personal, la protección radiológica en general y la economía de la atención médica».

About Gonzo Fernández

Avatar

Ver también

Herramienta de IBM agrega computación cuántica al ML

Herramienta de IBM agrega computación cuántica al ML

Tiempo de lectura: 2 minutos IBM está lanzando un nuevo módulo como parte de su kit de desarrollo de software …