Los pacientes que se someten a
cirugía por radiculopatía cervical tienen riesgo de desarrollar la
enfermedad del segmento adyacente (TEA). Una probabilidad de padecer la patología cuya identificación todavía se antoja como
un desafió para los médicos y para la que ahora contarán con un aliado tecnológico más capaz.
Según un estudio publicado en la revista
Radiology,
un algoritmo de aprendizaje profundo tiene más capacidad de predicción que los expertos clínicos para la TEA en pacientes sometidos a cirugía por radiculopatía cervical. "Es una herramienta de predicción no invasiva para la resonancia magnética preoperatoria que ayuda a identificar a los pacientes que probablemente desarrollarían nuevos síntomas en los niveles adyacentes después de la discectomía cervical anterior", explican los autores del estudio.
Los investigadores del Centro de Resultados de Neurociencia Computacional, dependiente del Departamento de Neurocirugía de la Escuela de Medicina de Harvard, buscaban desarrollar y validar un algoritmo capaz de predecir el TEA
utilizando solo resonancia magnética cervical preoperatoria en pacientes sometidos a discectomía y fusión cervical anterior de un solo nivel (ACDF).
¿Cómo se entrenó al algoritmo?
Para ello, los científicos realizaron una revisión retrospectiva de las historias clínicas de
1.244 pacientes sometidos a ACDF de un solo nivel en dos centros de atención terciaria. Después de la aplicación de los criterios de inclusión y exclusión, se incluyeron
344 pacientes, de los cuales el 60 por ciento se utilizaron para entrenamiento y el 40 por ciento para validación y pruebas.
Tras diseñar y entrenar el modelo de predicción basado en aprendizaje profundo con
48 capas convolucionales mediante el uso de resonancia magnética cervical sagital T2 preoperatoria, un neurorradiólogo y un neurocirujano proporcionaron de forma independiente predicciones de TEA para validar el algoritmo.
¿Cuál es la diferencia entre el médico y el algoritmo?
Una vez concluido el diseño, se llevó a cabo una comparación de predicciones realizadas por el algoritmo frente a las realizadas por los médicos. Los resultados obtenidos apuntaron que
el modelo predijo el TEA en las 93 imágenes de prueba con una precisión de 88 de 93, sensibilidad de 12 de 15 y especificidad de 76 de 78. Mientras que
el neurorradiólogo y el neurocirujano proporcionaron predicciones con menor precisión (54 de 93),
sensibilidad (9 de 15) y
especificidad (45 de 78).
Ante estos resultados, los investigadores concluyeron que el algoritmo de aprendizaje profundo mediante una resonancia magnética cervical ponderada en T2 preoperatoria supera a los expertos clínicos en la predicción de la enfermedad del segmento adyacente en pacientes sometidos a cirugía por radiculopatía cervical.
Aunque pueda contener afirmaciones, datos o apuntes procedentes de instituciones o profesionales sanitarios, la información contenida en Redacción Médica está editada y elaborada por periodistas. Recomendamos al lector que cualquier duda relacionada con la salud sea consultada con un profesional del ámbito sanitario.