Inteligencia artificial para la detección automática y evaluación de la estabilidad de aneurismas cerebrales en imágenes médicas

Abstract

Los aneurismas cerebrales afectan al 3 % de la población mundial. El diagnóstico por medio de imáge-nes médicas puede llegar a ser extenuante y, en consecuencia, pasar desapercibidos. Además, existe una incertidumbre en la prognosis de la enfermedad. En esta investigación se desarrollará y validará un sistema para detectar automáticamente aneurismas cerebrales y determinar su estabilidad. Este sistema estará compuesto de dos subsistemas: uno para la detección de los aneurismas cerebrales en imágenes de MRA, por medio de aprendizaje profundo; y otro para la clasificación de los aneurismas en estables e inestables, mediante aprendizaje automático. Para el primer subsistema, se utilizará la base de datos del reto ADAM que se compone de imágenes de MRA de 93 pacientes con aneurismas cerebrales y 20 controles. El sistema estará basado en la arquitectura 3D U-Net y el entrenamiento se realizará por medio de subvolúmenes de 64x64x64 extraídos de las imágenes de la base de datos. Para el segundo subsistema se recopilarán de manera retrospectiva, imágenes de MRA de aneurismas con evidencia de ruptura o crecimiento (inestables) e imágenes de aneurismas estables. Los resultados objetivo de este subsistema es de AUC>0.9. El conocimiento de los factores que provocan la ruptura de aneurismas cerebrales es limitado y no existe un modelo de predicción robusto para determinar su ries-go. El sistema de diagnóstico asistido por computadora propuesto en esta investigación ayudará a los médicos especialistas a decidir si es necesario un procedimiento quirúrgico o monitorear la evolución del aneurisma mediante imagenología.