La evaluación clínica rápida y precisa de la progresión de la enfermedad y la mortalidad es vital para el tratamiento de los pacientes con COVID-19. Aunque lo sugirieron muchos predictores, se limitó a la autoevaluación, los esquemas semiautomatizados o los enfoques de aprendizaje profundo supervisados. Estos predictores son subjetivos o requieren una explicación minuciosa de las situaciones de entrenamiento.

En un estudio multicéntrico publicado en análisis de imágenes médicas, un equipo de investigación dirigido por Hiroyuki Yoshida, Ph.D., director de investigación de imágenes 3D en el Hospital General de Massachusetts (MGH), mostró que el aprendizaje profundo sin supervisión basado en tomografía computarizada podría proporcionar un rendimiento predictivo mucho mayor de lo planeado. Pruebas de laboratorio y predictores actuales de supervivencia visual y cuantitativa basados ​​en imágenes. los Modelo Puede predecir, para cada paciente, el momento en el que se desarrolla el COVID-19 y, por lo tanto, el momento en el que el paciente es admitido Unidad de Cuidados Intensivos O cuando el paciente está enfermo, algo más depende de la imagen. modelos de predicción No se puede hacer. La información de tiempo calculada por el modelo también permite dividir a los pacientes en grupos de bajo y alto riesgo por un margen más amplio de lo que es posible con otros predictores.

Nuestros resultados muestran que un archivo predicción El rendimiento del modelo de IA sin supervisión fue significativamente mayor y el error de predicción fue mucho menor que los errores de las predicciones de referencia previamente identificadas, dice Yoshida. “El uso de inteligencia artificial sin supervisión como parte integral de un modelo de predicción de supervivencia hace posible realizar predicciones predictivas directamente a partir de imágenes de TC originales de pacientes con una resolución más alta de la que antes era posible en imágenes cuantitativas”.

En un estudio complementario publicado recientemente en naturaleza temperamentalEl equipo ya ha demostrado que la inteligencia artificial supervisada se puede utilizar para predecir la supervivencia de los pacientes con COVID-19 a partir de imágenes de TC de tórax. Sin embargo, el nuevo modelo de IA no supervisada abre nuevos horizontes al evitar las limitaciones técnicas y los tediosos esfuerzos de anotación de los predictores anteriores, porque el uso de una red generativa de adversarios hace posible entrenar un modelo completo de análisis de supervivencia de un extremo a otro directamente a partir de imágenes. . “Es una tecnología de IA mucho más precisa y avanzada”, explica Yoshida.

Aunque el estudio se limitó a pacientes con COVID-19, el equipo cree que el modelo también se puede generalizar a otras enfermedades. “Problemas como Long COVID, la variante delta, o la generalización del modelo a otras enfermedades que se manifiestan en imágenes médicas son aplicaciones prometedoras del modelo de IA sin supervisión”, dice Yoshida.