Development and evaluation of automated organ segmentation models for abdominal ultrasound in injured children

Cuando un niño llega a la sala de emergencias de un hospital tras sufrir una lesión grave, los médicos necesitan saber rápidamente si hay una hemorragia interna. Una de las formas más rápidas de comprobarlo es mediante una ecografía a pie de cama, un escaneo indoloro que utiliza ondas sonoras para crear imágenes en movimiento del interior del cuerpo. En el cuidado de pacientes con trauma, este examen específico se denomina evaluación focalizada con sonografía para trauma. Consiste en que un médico mueva un dispositivo portátil sobre el abdomen del niño para buscar líquido en los espacios alrededor del hígado, el ble y la vejiga. Si bien esta herramienta es vital, la calidad del examen depende enteramente de la habilidad de la persona que sostiene el dispositivo y de la claridad de las imágenes que captura. A veces, las imágenes son borrosas o el médico pasa por alto un punto, lo que dificulta estar seguro de si el niño está a salvo. Para mejorar esto, los investigadores están enseñando a las computadoras a comprender estas imágenes automáticamente, pero primero, la computadora necesita aprender cómo se ven los órganos. Esto requiere enseñar a la máquina a reconocer los límites del hígado, los riñones y otras estructuras, una tarea que usualmente le toma a un experto humano horas de trabajo manual para cada una de las imágenes.

Un equipo de investigadores de la Universidad de California, San Francisco, se propuso resolver este problema mediante la construcción de un sistema informático capaz de encontrar y delinear automáticamente seis órganos clave en los escaneos abdominales de niños lesionados. Se centraron en la vejiga, los riñones, el hígado, el bazo, la columna vertebral y el diafragma, el músculo que ayuda con la respiración. Estas estructuras son los puntos de referencia que los médicos utilizan para decidir si un examen es completo y preciso. El equipo reunió una colección de 200 videoclips de ultrasonido de niños que habían sido tratados por lesiones en un importante centro de trauma. Luego, hicieron que médicos expertos dibujaran cuidadosamente los contornos de cada órgano en miles de fotogramas individuales de estos videos, creando un conjunto de ejemplos de "verdad de campo" (ground truth) de los cuales la computadora pudiera aprender. Utilizando estos ejemplos, los investigadores entrenaron cuatro tipos diferentes de modelos de inteligencia artificial para realizar la misma tarea. Estos modelos variaban desde diseños más simples y establecidos hasta sistemas más nuevos y complejos que utilizan técnicas matemáticas avanzadas para prestar atención a diferentes partes de una imagen a la vez.

Los investigadores probaron qué tan bien cada modelo informático podía adivinar los contornos correctos en comparación con los dibujos de los expertos humanos. Encontraron que las computadoras eran bastante buenas en el trabajo, especialmente para los riñones y la vejiga, donde las formas son distintas y fáciles de ver. En promedio, los contornos de la computadora coincidían con los contornos de los expertos humanos con un alto grado de superposición. Un modelo específico, que combinaba un diseño estándar con un método más nuevo para enfocar la atención en detalles importantes, fue el que mejor funcionó en general. Identificó correctamente el hígado, el bazo y los riñones con una precisión notable, y lo hizo muy rápido, tardando menos de un segundo en procesar una sola imagen. El sistema tuvo un poco más de dificultad con el diafragma y la columna vertebral, que son más delgados y difíciles de ver claramente en las imágenes de ultrasonido, pero incluso para estas partes difíciles, la computadora produjo resultados útiles.

Para ver si esta tecnología funcionaría en el mundo real, el equipo tomó el modelo con mejor desempeño y le mostró videoclips de ultrasonido que nunca había visto antes, incluyendo escaneos tanto de niños como de adultos. Cuatro expertos independientes revisaron el trabajo de la computadora, analizando si los contornos aparecían en el lugar correcto y si la calidad de la imagen era lo suficientemente buena como para que un médico pudiera confiar en ella. Los expertos encontraron que la computadora localizó con éxito los órganos en la gran mayoría de los clips, con tasas de éxito que oscilaban entre tres cuartas partes y casi la totalidad de los casos, dependiendo del órgano. El sistema fue particularmente confiable para la vejiga y el hígado, donde logró puntuaciones casi perfectas en el grupo de adultos y puntuaciones muy altas en los niños. Los investigadores observaron que, cuando la computadora fallaba, generalmente era porque la imagen original era demasiado borrosa o estaba mal tomada, en lugar de que la computadora estuviera confundida. Esto sugiere que la tecnología es lo suficientemente robusta como para manejar la realidad desordenada e impredecible de los escaneos en la sala de emergencias.

El estudio también reveló que los modelos informáticos más grandes y complejos no eran necesariamente mejores. El modelo más avanzado, que había sido entrenado con una gran base de datos de 280,000 imágenes de ultrasonido de otras personas, no funcionó significativamente mejor que el modelo más simple y personalizado. De hecho, el modelo más simple era más rápido y requería menos potencia de cómputo, lo que lo hace más práctico para su uso en un hospital con mucho movimiento. Este hallazgo sugiere que, para esta tarea específica, la forma en que se diseña el modelo importa más que la cantidad de datos con los que fue preentrenado. Los investigadores concluyeron que este sistema automatizado representa un paso significativo hacia adelante. Al permitir que las computadoras realicen la tarea tediosa de delinear órganos, los médicos e investigadores pueden construir conjuntos de datos más grandes y mejores para entrenar futuras herramientas que algún día podrían detectar automáticamente hemorragias o decirle a un médico si un examen tiene limitaciones técnicas. Si bien el sistema aún no está listo para reemplazar el juicio humano, ofrece una nueva y poderosa forma de estandarizar y mejorar la calidad de la atención para niños lesionados.