A Multimodal AI Framework for Pulmonary Embolism Detection, Segmentation, and Patient Risk Assessment

Resumen Técnico: Un Marco de IA Multimodal para la Detección, Segmentación y Evaluación del Riesgo del Paciente en la Embolia Pulmonar

Planteamiento del Problema
La embolia pulmonar (EP) es una condición cardiovascular crítica que requiere un diagnóstico rápido y una evaluación de riesgo precisa para reducir la mortalidad. Aunque la Angiotomografía Computarizada de Pulmones (CTPA) es la herramienta diagnóstica estándar, los enfoques actuales impulsados por la IA se centran mayoritariamente en un solo aspecto: ya sea la detección de la EP o la segmentación de coágulos a partir de imágenes médicas. Estas soluciones existentes suelen fallar al no incorporar datos fisiológicos y clínicos específicos del paciente, los cuales son esenciales para determinar la severidad de la enfermedad, las vías de tratamiento y la predicción de complicaciones futuras. En consecuencia, existe una brecha en las metodologías que integran el análisis visual con datos fisiológicos longitudinales para proporcionar una herramienta diagnóstica y pronóstica integral.

Metodología
Los autores proponen un marco de Inteligencia Artificial multimodal que integra tres módulos distintos para abordar simultáneamente la detección, la segmentación y la evaluación del riesgo. La arquitectura del sistema combina capacidades de procesamiento de imágenes con el análisis de datos clínicos:

1. Módulo de Imágenes (Detección y Segmentación de Coágulos):

   • Fuente de Datos: Imágenes de CTPA del conjunto de datos FUMPE (formato DICOM) con sus correspondientes máscaras de coágulos (formato MATLAB).
   • Preprocesamiento: Las imágenes se someten a una normalización Min-Max y se convierten a un formato pseudo-RGB (tres canales) para adaptarse a la entrada del modelo.
   • Arquitectura: Se emplea un modelo Mask R-CNN personalizado. Este utiliza un backbone ResNet-50 para la extracción de características, seguido de capas de Red de Pirámide de Características (FPN) para el aprendizaje multiescala, una Red de Propuesta de Regiones (RPN) para la localización y ROI Align para una extracción de características precisa. Dos cabezales gestionan las tareas de detección y segmentación.
   • Entrenamiento: El modelo fue entrenado durante 20 épocas utilizando el optimizador Adam.

2. Módulo de Predicción de Futura EP:

   • Fuente de Datos: Datos de series temporales fisiológicas del conjunto de datos del Desafío PhysioNet (registros de UCI de 48 horas que incluyen frecuencia cardíaca, saturación de oxígeno, presión arterial, frecuencia respiratoria y temperatura).
   • Preprocesamiento: Los datos faltantes se imputan mediante valores medios y los datos se estandarizan.
   • Arquitectura: Una red neuronal híbrida LSTM-GRU. La capa de Memoria a Largo Plazo (LSTM) captura tendencias fisiológicas a largo plazo, mientras que la capa de Unidad Recurrente con Puerta (GRU) aprende variaciones a corto plazo. Esta combinación tiene como objetivo modelar dependencias temporales complejas indicativas de una futura ocurrencia de EP.

3. Módulo de Evaluación del Riesgo de Deterioro:

   • Ingeniería de Características: Se extraen características estadísticas (media, máximo, mínimo, desviación estándar y cuartiles) de los datos de series temporales fisiológicas para crear un vector de características que represente el estado del paciente.
   • Arquitectura: Una Red Neuronal Artificial (ANN) con capas totalmente conectadas, activación ReLU y regularización de dropout. Este módulo aprende correlaciones no lineales entre variables clínicas para predecir la probabilidad de deterioro clínico.

4. Fusión Multimodal:

   • Los resultados de Mask R-CNN (estado/segmentación del coágulo), LSTM-GRU (riesgo de futura EP) y ANN (riesgo de deterioro) se fusionan para generar un informe integral de evaluación del paciente.

Resultados Clave
El marco fue evaluado utilizando librerías de aprendizaje profundo basadas en Python (PyTorch, TensorFlow, Keras) en una arquitectura de GPU de Google Colab.

• Rendimiento de Segmentación: El Mask R-CNN personalizado logró un Coeficiente Dice de 0.88 y una Intersección sobre la Unión (IoU) de 0.77, lo que indica una fuerte similitud entre las regiones de coágulos predichas y las de referencia (ground-truth).
• Rendimiento de Predicción: El modelo híbrido LSTM-GRU demostró una precisión del 86.50% en la predicción de futuras ocurrencias de EP basadas en señales fisiológicas.
• Precisión General del Sistema: El marco de fusión multimodal alcanzó una precisión general del sistema del 91.81% para tareas de predicción futura. Esto representa una mejora significativa respecto a un sistema preentrenado de referencia, que alcanzó una precisión del 82.20%.
• Salida Cualitativa: Se desarrolló un panel de visualización para mostrar la localización del coágulo, la severidad (por ejemplo, 0.11% de severidad en un caso de muestra), el riesgo de futura EP (por ejemplo, 9.84%) y el riesgo de deterioro (por ejemplo, 21.55%).

Significancia y Reivindicaciones
El artículo sostiene que la principal significancia de este trabajo reside en su enfoque multimodal, que va más allá de las limitaciones del análisis basado únicamente en imágenes. Al integrar la imagen de CTPA con los datos de series temporales fisiológicas de la UCI, el marco ofrece una visión más holística del paciente.

• Evaluación Integral: A diferencia de las herramientas tradicionales que solo identifican la presencia de un coágulo, este sistema proporciona segmentación de coágulos, estima la severidad del coágulo, predice la probabilidad de futuros eventos de EP y evalúa el riesgo de deterioro clínico.
• Utilidad Clínica: Los autores postulan que el sistema sirve como una herramienta de soporte a la decisión asistida por IA, ofreciendo un informe automatizado y unificado que puede ayudar a radiólogos y clínicos en el desarrollo de estrategias de tratamiento adecuadas y planes de gestión de riesgos.
• Validación de Rendimiento: El estudio afirma que el entrenamiento personalizado en datos específicos del dominio y la integración de diversas modalidades de datos son responsables de las mejoras de precisión observadas sobre los modelos de referencia.

Limitaciones y Trabajo Futuro
Los autores reconocen que, si bien los resultados son alentadores, el marco requiere validación en bases de datos multicéntricas más grandes para asegurar la generalizabilidad. El trabajo futuro pretende incorporar parámetros clínicos adicionales y datos de múltiples centros para mejorar aún más el rendimiento del modelo.