💻 computer science

Comp2Comp: Open-Source Software with FDA-Cleared Artificial Intelligence Algorithms for Computed Tomography Image Analysis

Este artículo presenta Comp2Comp, un paquete de software de código abierto que incluye algoritmos de inteligencia artificial con aprobación de la FDA para el análisis oportunista de tomografías computarizadas, específicamente para la cuantificación de la aorta abdominal y la estimación de la densidad mineral ósea.

Autores originales: Adrit Rao, Malte Jensen, Andrea T. Fisher, Louis Blankemeier, Pauline Berens, Arash Fereydooni, Seth Lirette, Eren Alkan, Felipe C. Kitamura, Juan M. Zambrano Chaves, Eduardo Reis, Arjun Desai, Marc H

Publicado 2026-02-12

📖 3 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Adrit Rao, Malte Jensen, Andrea T. Fisher, Louis Blankemeier, Pauline Berens, Arash Fereydooni, Seth Lirette, Eren Alkan, Felipe C. Kitamura, Juan M. Zambrano Chaves, Eduardo Reis, Arjun Desai, Marc H. Willis, Jason Hom, Andrew Johnston, Leon Lenchik, Robert D. Boutin, Eduardo M. J. M. Farina, Augusto S. Serpa, Marcelo S. Takahashi, Jordan Perchik, Steven A. Rothenberg, Jamie L. Schroeder, Ross Filice, Leonardo K. Bittencourt, Hari Trivedi, Marly van Assen, John Mongan, Kimberly Kallianos, Oliver Aalami, Akshay S. Chaudhari

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El "Escáner con Superpoderes": Descubriendo tesoros ocultos en tus radiografías

Imagina que vas al médico porque te duele la rodilla y te hacen una Tomografía Computarizada (TAC), que es como una foto detallada de tu cuerpo por dentro. El médico mira esa foto para ver tu rodilla y listo. Pero, ¿sabías que en esa misma foto hay muchísima otra información valiosa que nadie está mirando? Es como si te tomaran una foto de tu cara para ver si tienes un granito, pero en el fondo de la imagen se alcanzara a ver que tienes una mochila nueva o que llevas un reloj increíble.

Normalmente, esa "información extra" se pierde porque los médicos no tienen tiempo de buscarla. Aquí es donde entra Comp2Comp.

¿Qué es Comp2Comp?

Imagina que Comp2Comp es como un "asistente detective invisible" que se instala en la computadora del hospital. Su trabajo no es reemplazar al médico, sino revisar cada foto (TAC) con una lupa digital súper potente para buscar dos cosas muy importantes que podrían salvar vidas, pero que pasan desapercibidas:

El "Globo" en la Arteria (AAQ): Imagina que una de tus arterias principales (la aorta) es como una manguera de jardín. Si la manguera se infla demasiado en un punto, se convierte en un "globo" llamado aneurisma. Si ese globo explota, es un problema gravísimo. El detective digital mide ese "globo" con una precisión milimétrica para avisar: "¡Oye, esta manguera se está inflando, hay que revisarla!".
La "Densidad de tus Huesos" (BMD): Imagina que tus huesos son como el tronco de un árbol. Si el tronco es sólido, es fuerte; pero si por dentro está lleno de huecos (como un panal de abejas), se vuelve frágil y se puede romper fácilmente. Este detective analiza la "solidez" de tus huesos para detectar la osteoporosis antes de que ocurra una fractura.

¿Por qué esto es una revolución? (La analogía de la receta secreta)

Hasta ahora, las empresas que hacían este tipo de tecnología eran como chefs que te venden un plato de comida delicioso, pero no te dan la receta. Tú pagas por el plato, pero no sabes exactamente qué ingredientes usaron ni cómo lo cocinaron. Si el plato te cae mal, no puedes investigar por qué.

Comp2Comp es diferente. Ellos han hecho algo increíble: han creado una "Receta Abierta" (Open-Source). Han compartido el código y la forma en que funciona su inteligencia artificial con todo el mundo.

Además, tienen el "Sello de Garantía del Gobierno" (FDA). Es como si el inspector de sanidad hubiera probado la receta, la hubiera analizado y hubiera dicho: "Esto es seguro, funciona y es de alta calidad".

En resumen:

Es gratis y abierto: Cualquier hospital puede usarlo y mejorarlo.
Es preventivo: Encuentra problemas (aneurismas y huesos débiles) sin necesidad de hacerte más radiografías o gastar más dinero.
Es transparente: No hay secretos; todos pueden ver cómo toma sus decisiones el "detective digital".

En pocas palabras: Comp2Comp convierte una simple radiografía en una herramienta de prevención masiva, permitiendo que los médicos vean lo que antes era invisible, de forma gratuita y con la máxima seguridad.

Resumen Técnico: Comp2Comp – Software de Código Abierto con Algoritmos de IA con Autorización de la FDA para el Análisis de Imágenes por Tomografía Computarizada (TC)

1. El Problema: La "Brecha de Transparencia" en la IA Médica

El uso de la Inteligencia Artificial (IA) para el análisis de imágenes médicas permite la "imagen oportunista", es decir, extraer biomarcadores de valor clínico (como la densidad ósea o el tamaño de un aneurisma) de tomografías ya realizadas, sin costes adicionales ni mayor radiación para el paciente. Sin embargo, el campo enfrenta dos desafíos críticos:

Soluciones de código abierto: A menudo carecen de una validación clínica rigurosa.
Soluciones comerciales: Carecen de transparencia; los clínicos no pueden evaluar el rendimiento de los modelos en sus propias poblaciones de pacientes o flujos de trabajo antes de la implementación.

2. Metodología: La Plataforma Comp2Comp

Los autores presentan Comp2Comp, una plataforma de código abierto que incluye dos módulos de aprendizaje profundo (deep learning) que han obtenido la autorización FDA 510(k). Ambos utilizan arquitecturas nnU-Net para la segmentación.

A. Cuantificación de la Aorta Abdominal (AAQ):

Objetivo: Medir el diámetro máximo de la aorta abdominal para detectar aneurismas (AAA).
Proceso: El pipeline filtra series axiales, segmenta la región lumbar (L1-L5) mediante TotalSegmentator, segmenta la aorta en 3D y calcula el diámetro mediante el eje menor de la elipse en cada corte axial (para evitar errores por angulación).
Validación: Se comparó contra el promedio de tres radiólogos certificados en 258 tomografías de cuatro instituciones externas.

B. Estimación de la Densidad Mineral Ósea (BMD):

Objetivo: Identificar riesgo de osteoporosis mediante la estimación de la densidad trabecular en las vértebras lumbares.
Proceso: Segmenta las vértebras L1-L4, extrae la radiodensidad (unidades Hounsfield [HU]) y realiza una calibración de dos puntos utilizando tejido adiposo visceral (VAT) y aire para normalizar los valores. Clasifica el riesgo en "normal" o "baja densidad" (basado en un umbral de T-score de -1.0).
Validación: Se comparó contra el estándar de oro, la absorciometría de rayos X de energía dual (DXA), en 371 pares de TC/DXA de cuatro instituciones.

3. Contribuciones Clave

Transparencia Radical: Es uno de los primeros casos donde el código, los pesos de los modelos y todos los datos estadísticos presentados a la FDA se publican íntegramente para escrutinio público.
Modelo de Código Abierto con Autorización Médica: Rompe el paradigma de que el software con aprobación de la FDA debe ser exclusivamente comercial y cerrado.
Licencia Permisiva: Utiliza la Apache License 2.0, permitiendo su uso, modificación y distribución tanto para fines comerciales como de investigación.

4. Resultados Principales

Métrica	AAQ (Aorta)	BMD (Hueso)
Error/Precisión	Error Absoluto Medio (MAE): 1.57 mm	Sensibilidad: 81.0% / Especificidad: 78.4%
Correlación	ICC (Radiólogo vs Modelo): 0.983	Pearson $r$ (CT vs DXA): 0.791
Umbral de Éxito	< 2.0 mm (establecido por FDA)	> 70% (sensibilidad/especificidad)

Hallazgos en AAQ: El rendimiento fue excelente, aunque la precisión disminuyó ligeramente en pacientes con aneurismas (debido a irregularidades en la pared) y en escaneos con kVp < 100.
Hallazgos en BMD: El modelo superó los criterios de aceptación predeterminados, demostrando una fuerte correlación con los resultados de DXA.

5. Significado e Impacto

El desarrollo de Comp2Comp tiene implicaciones profundas para la medicina moderna:

Adopción Clínica: Permite a los hospitales probar la precisión de los algoritmos en sus propios datos antes de realizar procesos administrativos complejos de implementación.
Investigación Global: Proporciona a los investigadores herramientas de "clase mundial" de forma gratuita para crear registros clínicos masivos y estandarizar mediciones.
Prevención: Facilita la detección temprana de patologías silenciosas (aneurismas y osteoporosis), lo que puede reducir la mortalidad y la carga de discapacidad mediante intervenciones preventivas oportunas.
Precedente Regulatorio: Establece un nuevo estándar de transparencia para el proceso de aprobación de la FDA, fomentando la confianza en la IA médica.