Pixaire1: Evaluation of automated chronic wound surface measurement systems.

El estudio Pixaire1 evaluó dos métodos basados en smartphones para medir la superficie de heridas crónicas, concluyendo que el sistema semi-automático Woundtrack ofrece una precisión y exactitud comparables a la planimetría digital y es más efectivo para la práctica clínica que el método totalmente automático Woundsize.

Lo esencial

¡Hola! Imagina que tienes una herida crónica en la pierna (como una úlcera que no quiere sanar). Para saber si está mejorando, los médicos necesitan medir su tamaño con mucha precisión.

Antiguamente, esto era como intentar medir la forma de una nube con una regla: difícil y lento. Se usaba un método llamado planimetría digital, que consistía en poner una hoja de plástico transparente sobre la herida, dibujar su contorno con un bolígrafo, sacar una foto y luego usar un ordenador para calcular el área. Era el "estándar de oro", pero muy tedioso.

En este estudio, los investigadores probaron dos nuevas herramientas basadas en teléfonos móviles para ver si podían hacer el trabajo más rápido y fácil, sin perder precisión.

Aquí te explico qué hicieron y qué descubrieron, usando analogías sencillas:

1. Los dos nuevos "detectives" del teléfono

Imagina que el teléfono tiene dos formas de medir la herida:

• Woundtrack (WT): El "Asistente Manual".

  • Cómo funciona: El médico toma una foto de la herida y, con el dedo en la pantalla del móvil, dibuja el contorno de la herida manualmente. El teléfono hace el resto de los cálculos matemáticos.
  • La analogía: Es como si tú dibujaras el contorno de una mancha de aceite en el suelo con un rotulador, y luego le dijeras a un robot: "Cuenta los cuadritos que hay dentro de mi dibujo".
  • El resultado: ¡Funcionó genial! Fue casi tan preciso como el método antiguo de la hoja de plástico. Es rápido, fácil y los médicos pueden usarlo en la cama del paciente.

• Woundsize (WS): El "Robot Automático".

  • Cómo funciona: El médico solo toma la foto y el teléfono, usando inteligencia artificial (un cerebro digital muy avanzado), intenta adivinar automáticamente dónde termina la piel sana y dónde empieza la herida.
  • La analogía: Es como si le dieras una foto a un robot y le dijeras: "¡Busca la mancha y mídela tú solo!".
  • El resultado: Fue un poco más problemático. A veces el robot se confundía. Si la foto tenía mala luz (muy oscura o con mucho brillo del flash), el robot "veía" mal los bordes y medía mal.

2. El problema de las "pequeñas manchas"

El estudio descubrió algo curioso con las heridas muy pequeñas (menos de 8 cm², como una moneda grande).

• La analogía: Imagina que tienes un círculo pequeño de 1 cm de diámetro. Si te equivocas en dibujar el borde solo 2 milímetros (el grosor de un cabello), el tamaño del círculo cambia muchísimo en porcentaje.
• Lo que pasó: En las heridas pequeñas, tanto el método manual como el automático tuvieron más errores relativos. Pero, ¡no te preocupes! En términos absolutos (el número real de centímetros cuadrados), la diferencia era tan pequeña que no importaba para el tratamiento.

3. ¿Por qué falló el "Robot" (Woundsize)?

Los investigadores investigaron por qué el robot automático a veces fallaba. Descubrieron que no era culpa del cerebro del robot, sino de la calidad de la foto.

• La analogía: Imagina que intentas leer un libro en una habitación con la luz apagada o con un foco muy brillante que te deslumbra. No importa cuán inteligente sea tu cerebro, no podrás leer bien.
• El hallazgo: Si la foto estaba oscura (subexpuesta) o con mucho flash (sobreexpuesta), el contraste entre la piel sana y la herida desaparecía, y el algoritmo se perdía.

4. La conclusión final: ¿Qué debemos hacer?

El estudio nos da un mensaje muy claro para el futuro de la medicina:

1. Woundtrack (El asistente manual) es el ganador: Es tan preciso como el método antiguo, pero mucho más rápido y fácil de usar. Los médicos deberían usarlo de inmediato. Es como tener un GPS que te guía, pero tú sigues conduciendo.
2. Woundsize (El robot) necesita un "copiloto": No debemos confiar ciegamente en que el robot lo haga todo solo. La mejor forma de usarlo es en equipo:
   • Paso 1: El robot propone dónde está la herida.
   • Paso 2: El médico revisa, corrige si es necesario y da el "visto bueno".
   • Es como cuando usas la corrección automática de tu teléfono: a veces acierta, pero tú siempre revisas antes de enviar el mensaje.

En resumen:
La tecnología móvil ya está lista para ayudar a medir heridas crónicas, pero la mejor estrategia es combinar la velocidad de la tecnología con el ojo experto del médico. Esto permitirá a los médicos saber si una herida está sanando mucho más rápido, ajustando los tratamientos al instante y ahorrando tiempo y dinero al sistema de salud.

Resumen técnico

Aquí presento un resumen técnico detallado del artículo de investigación "Pixaire1: Evaluation of automated chronic wound surface measurement systems", traducido y estructurado en español.

1. Planteamiento del Problema

El manejo de heridas crónicas (úlceras diabéticas, venosas y por presión) requiere un seguimiento preciso de la cinética de curación, lo cual depende fundamentalmente de la medición exacta del área de la herida. Sin embargo, en la práctica clínica habitual, estas mediciones son raras debido a la falta de tiempo y la necesidad de dispositivos específicos.

Los métodos existentes presentan limitaciones:

• Métodos de contacto total: Como la planimetría digitalizada (trazado en acetato + software ImageJ), son el estándar de oro pero son laboriosos y requieren equipos especializados.
• Métodos sin contacto: A menudo requieren hardware costoso (sensores 3D) y no son accesibles para el monitoreo domiciliario.
• Necesidad: Se requieren soluciones basadas en smartphones que sean fiables (precisas), reproducibles y fáciles de implementar en entornos de atención clínica rutinaria.

El estudio busca evaluar dos algoritmos basados en la aplicación Pixacare para medir el área de heridas crónicas:

1. Woundtrack (WT): Medición semi-automatizada donde el clínico delimita manualmente los bordes de la herida en la pantalla del teléfono.
2. Woundsize (WS): Medición totalmente automatizada donde un algoritmo de aprendizaje profundo (Deep Learning) delimita los bordes automáticamente.

2. Metodología

Diseño del Estudio:

• Tipo: Estudio transversal, abierto, monocéntrico.
• Lugar: Departamento de Cirugía Vascular del Hospital de Haguenau (Francia).
• Periodo: Mayo a junio de 2023.
• Población: 42 pacientes con heridas crónicas (4 a 150 cm²). Se excluyeron 6 pacientes por heridas multiplanares o bordes difíciles de delimitar, dejando 36 pacientes para el análisis final.

Procedimiento de Medición:
Se utilizaron tres métodos por dos expertos independientes (Experto A y Experto B):

1. Planimetría Digitalizada (PL): Método de referencia. Se aplica un apósito transparente, se traza el contorno de la herida sobre una acetato, se fotografía con una escala y se mide con software ImageJ.
2. Woundtrack (WT): Se coloca un adhesivo de calibración (con marcadores ArUco) cerca de la herida. El clínico toma una foto con un iPhone 12 y delimita manualmente los bordes en la pantalla. El algoritmo calcula el área basándose en la distancia entre marcadores.
3. Woundsize (WS): Utiliza la misma imagen que WT, pero aplica un algoritmo de segmentación automática basado en una Red Neuronal Convolucional (CNN) tipo ResNet para delimitar la herida sin intervención manual.

Análisis Estadístico:
Se realizó un análisis en cuatro pasos:

1. ANOVA multivariante (Friedman/Nemenyi): Para comparar las varianzas entre los tres métodos.
2. Precisión (Reproductibilidad): Evaluada mediante el Coeficiente de Correlación Intraclasa (ICC) entre los dos expertos para cada método.
3. Exactitud (Precisión): Correlación de WT y WS con el método de referencia (PL) mediante regresión lineal, t-test y Bland-Altman.
4. Análisis de no conformidades: Se estudió un subconjunto de heridas pequeñas (< 8 cm²) definiendo "no conformidad" como una desviación >20% respecto a la referencia, para evaluar el impacto de la segmentación en áreas reducidas.

3. Contribuciones Clave

• Validación Clínica en Tiempo Real: Es la primera evaluación formal de estos algoritmos en un entorno de atención real (no solo preclínico).
• Comparación Directa: Establece una comparación rigurosa entre un método semi-automatizado (con intervención humana) y uno totalmente automatizado (IA), ambos frente al estándar de oro de la planimetría digital.
• Análisis de Fallos de Segmentación: Identifica que la calidad de la imagen (exposición) es el factor determinante para el fallo de los algoritmos automáticos, más que la complejidad de la herida o la presencia de cuerpos extraños.
• Propuesta de Flujo de Trabajo Híbrido: Sugiere un modelo de implementación donde la IA propone la segmentación y el clínico la corrige y valida, en lugar de un sistema totalmente autónomo.

4. Resultados Principales

Análisis Global:

• No hubo diferencias significativas en el análisis multivariante de varianza entre los tres métodos (p = 0,82).

Precisión (Reproductibilidad entre expertos):

• PL (Referencia): ICC = 1,00 (Excelente).
• WT (Semi-automático): ICC = 0,96 (Excelente).
• WS (Automático): ICC = 0,94 (Excelente).
• Conclusión: Ambos métodos móviles muestran una excelente consistencia entre operadores, aunque WT es ligeramente más estable.

Exactitud (Correlación con la Referencia PL):

• WT: Muestra una correlación excelente (ICC = 0,96) y un sesgo medio cercano a cero. La regresión lineal indica una fuerte concordancia.
• WS: También muestra buena correlación (ICC = 0,95), pero con una mayor variabilidad en las medidas.

Análisis de Heridas Pequeñas (< 8 cm²):

• WT: No mostró diferencias significativas en la varianza o distribución de errores en comparación con PL. La tasa de conformidad fue del 70,1%.
• WS: Mostró una variabilidad significativamente mayor que PL (p = 0,03 en prueba de Levene). La tasa de conformidad fue del 63%.
• Hallazgo: En áreas pequeñas, las variaciones mínimas en la segmentación automática tienen un impacto relativo desproporcionado en el cálculo del área.

Causas de Fallo en Woundsize (Análisis Cualitativo):

• El 23,6% de las imágenes tuvieron defectos de segmentación.
• La causa principal fue la calidad de la exposición de la imagen (subexposición o sobreexposición por uso de flash), que reduce el contraste entre la piel sana y la herida.
• La complejidad de la herida (hiperqueratosis, maceración) o la presencia de cuerpos extraños no fueron factores estadísticamente significativos para el fallo.

Análisis Complementario (WT sobre trazado transparente):

• Al aplicar el algoritmo WT sobre un trazado físico (acetato) en lugar de la foto directa, la correlación mejoró a 0,99, especialmente en heridas grandes. Esto confirma que la deformación geométrica al proyectar una superficie curva en un plano 2D es una limitación inherente a los métodos de contacto parcial basados en fotos.

5. Significado y Conclusiones

• Woundtrack (Semi-automático): Es un método equivalente a la planimetría digitalizada en términos de precisión y exactitud. Es fácil de implementar, consume menos tiempo y es adecuado para el seguimiento longitudinal de heridas, incluso en el cuidado domiciliario. Se recomienda su uso clínico.
• Woundsize (Automático): Aunque tiene una precisión y exactitud "buenas", es menos consistente que WT, especialmente en heridas pequeñas y con problemas de iluminación. La automatización total no es suficiente debido a la sensibilidad a la calidad de la imagen.
• Recomendación de Implementación: El estudio concluye que la integración de la IA en el flujo de trabajo clínico debe ser colaborativa:
  1. El algoritmo (WS) propone la segmentación.
  2. El clínico corrige y valida la delimitación.
     Este enfoque híbrido maximiza la eficiencia sin sacrificar la fiabilidad clínica.
• Limitaciones: El estudio no incluyó pacientes con fototipos de piel altos (5 y 6), lo cual podría afectar el rendimiento de la segmentación automática. Además, las heridas muy grandes (>60 cm²) o con geometrías complejas presentan desafíos debido a la distorsión de la lente y la proyección 2D.

En resumen, el estudio valida que las aplicaciones móviles con asistencia humana (Woundtrack) son herramientas viables y superiores a la automatización pura (Woundsize) en su estado actual para la medición de heridas crónicas, ofreciendo una alternativa práctica y rápida al método de referencia tradicional.