La avanzada tecnología de IA mejora la precisión y eficiencia de la endoscopia nasal
Actualizado el 12 Jul 2024
La endoscopia nasal (EN) es una herramienta diagnóstica crucial en rinología, aunque su efectividad a menudo se ve limitada por la estructura compleja de la cavidad nasal. Ahora, un artículo informativo publicado en la revista International Forum of Allergy & Rhinology detalla un estudio que explora cómo las redes neuronales convolucionales (CNN) pueden mejorar la precisión y eficiencia de la EN. La investigación aborda los desafíos inherentes a la navegación por la anatomía compleja de la cavidad nasal con fines diagnósticos.
Realizado por un equipo de Ochsner Health (Nueva Orleans, LA, EUA), el estudio se centró en un modelo basado en redes neuronales convolucionales (CNN) diseñado para identificar y delinear con precisión puntos de referencia clave en imágenes del EN. Las imágenes utilizadas se obtuvieron de procedimientos EN realizados en un centro médico durante el período de 2014 a 2023, empleando un endoscopio digital estándar. Tres médicos segmentaron manualmente un total de 2.111 imágenes. Los investigadores adaptaron el modelo de detección de objetos YOLOv8 para clasificar si estaba presente un cornete, identificar su ubicación y aplicar una máscara de segmentación para delinear sus límites. El modelo se refinó mediante técnicas de aprendizaje por transferencia que implicaban retropropagación y descenso de gradiente estocástico. Al ajustar cuidadosamente los hiperparámetros y detener el entrenamiento después de una falta de mejora en el rendimiento de validación durante 15 épocas, el modelo demostró un éxito notable.
El modelo pudo detectar el cornete inferior (IT) y el cornete medio (MT) con una precisión promedio del 91,5 %, una precisión del 92,5 % y una tasa de recuperación del 93,8 %. Con un umbral de confianza fijado en el 60 %, el modelo logró una puntuación F1 media del 93,1 %. La aplicación efectiva del modelo YOLOv8 marca un progreso significativo en el campo de la rinología. Su capacidad para localizar y delinear con precisión el IT y el MT puede apoyar significativamente a los clínicos en el diagnóstico y tratamiento de condiciones sinonasales. Este avance es especialmente beneficioso para los aprendices y no especialistas, que pueden tener dificultades con la anatomía intrincada de la cavidad nasal.
"Este estudio muestra el potencial de las CNN para mejorar la precisión y eficiencia de la endoscopia nasal", afirmó el otorrinolaringólogo principal Dr. Edward D. McCoul, quien dirigió el equipo de investigación. "Al aprovechar las tecnologías avanzadas de IA, podemos mejorar notablemente nuestras capacidades de diagnóstico y brindar una atención superior a los pacientes con afecciones nasosinusales".
Enlaces relacionados:
Ochsner Health
