Cascade Deep Learning (nnU-Net + ResNet-18) for Meniscus Segmentation and Three-Grade Injury Classification on Knee MRI: A Single-Centre Study with Reader Assistance Evaluation

La rodilla humana es una maravilla de la ingeniería, que depende de dos almohadillas de cartílago en forma de C llamadas meniscos para amortiguar la articulación y mantener su estabilidad. Cuando estas almohadillas se desgarran o se desgastan, el resultado es dolor, inflamación y una pérdida de movilidad que a menudo requiere cirugía. Para diagnosticar estas lesiones, los médicos se apoyan en la resonancia magnética nuclear, o RM, que crea imágenes detalladas de cortes transversales del interior de la rodilla. Sin embargo, la lectura de estas imágenes es una tarea lenta y exigente. Un radiólogo debe examinar cientos de finas secciones, buscando cambios sutiles en la textura del cartílago que señalen un desgarro. Este proceso no solo consume mucho tiempo, sino que también es propenso al error humano; dos médicos diferentes podrían observar la misma exploración y discrepar sobre si un paciente tiene un problema de desgaste menor o un desgarro severo que requiere reparación inmediata. Esta inconsistencia puede retrasar el tratamiento o conducir a procedimientos innecesarios.

En un esfuerzo por hacer este proceso más rápido y fiable, los investigadores han comenzado a enseñar a las computadoras a leer estas exploraciones. Este campo, conocido como aprendizaje profundo (deep learning), consiste en entrenar programas informáticos para reconocer patrones en imágenes, de forma muy similar a como el cerebro humano aprende a reconocer rostros. El objetivo no es reemplazar al médico, sino crear una herramienta que actúe como un segundo par de ojos, resaltando áreas de preocupación y ofreciendo una segunda opinión. Un nuevo estudio de un hospital en China explora qué tan bien funciona tal sistema específicamente para las lesiones de menisco. Los investigadores construyeron un sistema informático de dos pasos que primero localiza el menisco en la RM y luego lo analiza para determinar si está sano, degenerado o desgarrado. Probaron este sistema en cientos de pacientes y luego observaron cómo afectaba el desempeño de los médicos noveles, con el objetivo de ver si la computadora podía ayudar a los clínicos menos experimentados a realizar diagnósticos mejores y más rápidos.

Los investigadores desarrollaron un marco informático que funciona en una secuencia específica, muy parecido a un equipo donde una persona localiza un objeto y otra persona lo inspecciona. Primero, el sistema utiliza un algoritmo sofisticado para escanear las imágenes de la RM y dibujar un contorno preciso alrededor del menisco, separándolo del hueso y el líquido circundantes. Este paso es crucial porque le indica a la computadora exactamente dónde mirar, ignorando el resto de la rodilla. Una vez que el menisco está aislado, una segunda parte del sistema examina la imagen aislada para clasificar la lesión. Clasifica la condición en una de tres categorías: sano, degenerativo (que muestra signos de desgaste) o un desgarro de grado III (un desgarro completo que a menudo requiere cirugía). El sistema fue entrenado con datos de 608 exploraciones de rodilla recolectadas durante cuatro años, todas tomadas en el mismo tipo de máquina de RM de 1.5 Teslas. Las imágenes incluían vistas frontales y laterales, lo que permite a la computadora ver el menisco desde múltiples ángulos.

Cuando los investigadores probaron el sistema por sí solo, los resultados fueron mixtos pero prometedores. La computadora era muy buena encontrando el menisco cuando estaba sano, logrando delinearlo con éxito en la mayoría de los casos. Sin embargo, cuando el menisco estaba lesionado, la computadora tenía dificultades para dibujar el contorno con la misma precisión, probablemente debido a que los desgarros cambian la forma y la textura del tejido, lo que dificulta distinguirlo del fondo. A pesar de esta dificultad para delinear, la capacidad del sistema para diagnosticar la lesión fue aceptable. Al combinar las vistas de los ángulos frontal y lateral, la computadora identificó correctamente si un menisco estaba desgarrado o no aproximadamente el 74 por ciento de las veces. Fue mejor detectando desgarros al mirar la vista frontal de la rodilla en comparación con la vista lateral. Si bien el sistema no podía distinguir perfectamente entre un desgaste leve y un desgarro completo por sí solo, mostró una clara capacidad para señalar lesiones graves.

La parte más significativa del estudio, sin embargo, no fue solo cómo se desempeñó la computadora por sí sola, sino cómo ayudó a los médicos humanos. Los investigadores reclutaron a dos residentes de ortopedia noveles, cada uno con menos de tres años de experiencia en la lectura de imágenes musculoesqueléticas, para diagnosticar un conjunto de 100 casos de rodilla. Primero, los médicos observaron las exploraciones sin ayuda. Después, tras un descanso de dos semanas para asegurar que no recordaran los casos, observaron las mismas exploraciones, esta vez con la asistencia de la computadora. La computadora les proporcionaba una puntuación de probabilidad que indicaba qué tan probable era un desgarro, junto con un mapa visual que resaltaba las áreas específicas del menisco que la computadora encontraba sospechosas.

Los resultados de esta asociación humano-máquina fueron sorprendentes. Cuando los médicos noveles trabajaban solos, alcanzaban un AUC de 0.64. Cuando utilizaban la guía de la computadora, su desempeño mejoraba a un AUC de 0.78. Más importante aún, la computadora les ayudó a detectar desgarros más severos. Sin ayuda, los médicos noveles pasaban por alto el 40 por ciento de los desgarros de grado III; con la asistencia de la computadora, detectaron el 80 por ciento de ellos. La herramienta también los hizo más rápidos. El tiempo promedio para diagnosticar un solo caso cayó de casi 45 segundos a poco menos de 28 segundos, una reducción del 38 por ciento. Esta aceleración sugiere que la computadora ayudó a los médicos a centrar su atención, reduciendo el tiempo dedicado a buscar la lesión. Además, el acuerdo entre los dos médicos mejoró cuando ambos utilizaron la computadora, lo que sugiere que la herramienta proporcionó un estándar consistente que ayudó a reducir sus diferencias individuales de juicio.

El estudio concluye que, si bien este sistema informático aún no es lo suficientemente perfecto como para reemplazar a un especialista, sirve como un poderoso asistente. Actúa como una red de seguridad, particularmente para los clínicos menos experimentados, ayudándoles a detectar lesiones graves que de otro modo podrían pasar por alto y haciéndolo con mayor rapidez. Los investigadores señalaron que el desempeño del sistema se vio limitado por la dificultad de definir los límites exactos del tejido desgarrado y por las sutiles similitudes visuales entre la degeneración y los desgarros tempranos. También señalaron que su estudio se llevó a cabo en un solo hospital, lo que significa que el sistema debe ser probado en pacientes de diferentes ubicaciones y con diferentes tipos de máquinas de RM antes de que pueda ser adoptado ampliamente. No obstante, los hallazgos demuestran que una herramienta informática bien diseñada puede apoyar eficazmente la toma de decisiones humana, convirtiendo un proceso lento y variable en uno más rápido y fiable.