Benchmarking open-source automated thigh muscle MRI segmentation algorithms

En el silencioso mundo de alta resolución de las imágenes médicas, un desafío específico ha frenado durante mucho tiempo el estudio de las enfermedades musculares: la pura labor requerida para mapear la anatomía del cuerpo. Cuando los médicos e investigadores utilizan la resonancia magnética, o RM, para observar el interior del muslo de un paciente, ven un paisaje complejo de trece músculos distintos, cada uno rodeado de grasa y hueso. Para comprender cómo progresa una enfermedad como la distrofia muscular, deben medir el volumen de cada músculo y calcular cuánto tejido graso ha reemplazado al tejido sano. Durante décadas, esto se ha hecho a mano, un proceso tedioso en el que un experto humano traza el contorno de cada músculo en cientos de cortes de imagen individuales. Este trabajo manual es lento, varía de persona a persona y crea un cuello de botella que impide los estudios a gran escala de condiciones raras. La promesa del futuro era que las computadoras podrían aprender a hacer este trazado de forma automática, liberando a los investigadores para que se concentren en la biología en lugar del dibujo.

Sin embargo, el panorama de las herramientas automáticas se ha convertido en un mercado saturado de diferentes programas de software, cada uno construido con diferentes métodos y entrenado con diferentes datos. Algunas herramientas están diseñadas para reconocer partes específicas del cuerpo, mientras que otras son sistemas de propósito general entrenados con vastas cantidades de datos de internet para reconocer casi cualquier cosa. El problema era que nadie había puesto estas herramientas frente a frente para ver cuál funcionaba mejor para los músculos del muslo. Sin una comparación justa, un investigador que elige una herramienta estaba, esencialmente, adivinando. Un nuevo estudio se propuso despejar la niebla probando ocho de las herramientas de código abierto más populares entre sí, utilizando un conjunto compartido de imágenes de personas sanas y pacientes con enfermedades neuromusculares. El objetivo no era solo encontrar el programa más rápido, sino encontrar aquel en el que se pudiera confiar para ver la verdad en el cuerpo de un paciente.

Los investigadores recopilaron una colección diversa de exploraciones de RM, incluyendo datos de voluntarios sanos y pacientes con condiciones como la distrofia muscular de cinturas y la esclerosis lateral amiotrófica. También crearon un conjunto de imágenes modificadas para probar qué tan bien podían las herramientas manejar cambios en la forma en que se tomaron las fotografías o variaciones leves en la anatomía. Luego, introdujeron estas imágenes en las ocho diferentes herramientas de software. Algunas de estas herramientas eran sistemas especializados construidos específicamente para el músculo, mientras que otras eran "modelos fundacionales", un nuevo tipo de inteligencia artificial entrenada en conjuntos de datos masivos y generales para realizar una amplia variedad de tareas. El equipo midió qué tan cerca estaban los contornos de la computadora de los contornos humanos expertos, observando tanto la precisión general como la consistencia de los resultados de un corte a otro.

Los resultados pintaron un panorama claro de lo que funciona y lo que no. Las herramientas especializadas, particularmente una llamada MuscleMap, superaron consistentemente a los sistemas más nuevos de propósito general. Estos modelos específicos de dominio, que habían sido entrenados con grandes colecciones de imágenes médicas, pudieron identificar los músculos con un nivel de precisión que los modelos generales no pudieron igualar. De hecho, el estudio encontró que intentar aumentar el rendimiento de otras herramientas añadiendo un popular sistema de propósito general sobre ellas a menudo empeoraba los resultados. En lugar de refinar la imagen, estos sistemas generales frecuentemente cometían errores que un humano nunca cometería, como incluir el hueso del muslo dentro del contorno del músculo o crear líneas fragmentadas y punteadas que no parecían ningún músculo real.

Quizás lo más importante es que el estudio reveló que, si bien las mejores herramientas eran bastante buenas, no eran perfectas, especialmente cuando se observaba el tejido enfermo. Cuando el software encontraba músculos que habían sido alterados por la enfermedad, la precisión disminuía. Este es un hallazgo crítico porque sugiere que las herramientas actuales podrían tener dificultades con los mismos pacientes que más las necesitan. Los investigadores señalaron que incluso el software con mejor rendimiento todavía requería que un humano revisara los resultados y corrigiera errores, particularmente en los límites donde el músculo se encuentra con la grasa. Las herramientas aún no estaban listas para trabajar enteramente por su cuenta en un entorno clínico donde un error podría afectar un plan de tratamiento.

El estudio también destacó el lado práctico del uso de estas herramientas. El software especializado era mucho más fácil de usar para un médico o investigador, requiriendo a menudo solo un clic para iniciar el proceso. En contraste, las herramientas de propósito general a menudo requerían que un usuario señalara manualmente cada músculo o dibujara cuadros alrededor de ellos antes de que la computadora pudiera comenzar, un proceso que tomaba más tiempo que hacer el trabajo a mano. Esta diferencia en la usabilidad es un factor importante para determinar si una herramienta será adoptada en un hospital. Los investigadores concluyeron que, si bien el campo ha progresado significamente, el sueño de un sistema totalmente automático que pueda manejar cualquier paciente sin supervisión sigue estando fuera de alcance. Por ahora, el camino más confiable hacia adelante es utilizar las herramientas especializadas como un poderoso asistente, pero manteniendo a un experto humano en el proceso para verificar el trabajo, asegurando que el mapa final del músculo sea lo suficientemente preciso como para guiar decisiones médicas reales.