ATLAS: Development and Evaluation of an AI -Enabled Framework for Anatomically Traceable Measurement Assurance in Fetal-Head Ultrasound Biometry

En la habitación silenciosa y tenuemente iluminada de una clínica de ecografía, un ecografista guía una sonda sobre el abdomen de una mujer embarazada, buscando una vista específica de la cabeza del bebé en desarrollo. Este momento es crítico. Para entender cómo está creciendo el bebé, los médicos necesitan mediciones precisas del cráneo, específicamente el ancho a través del cerebro y la distancia de adelante hacia atrás. Estos números ayudan a determinar la edad del bebé y si está creciendo a un ritmo saludable. Sin embargo, obtener estos números correctamente depende enteramente de la calidad de la imagen. Si la sonda de ultrasonido se inclina aunque sea ligeramente, o si el bebé está en una posición incómoda, la imagen resultante podría parecer una cabeza, pero las mediciones tomadas de ella serán erróneas. Durante décadas, esto ha sido un desafío humano: un médico debe mirar una imagen granulada en blanco y negro, decidir si es el ángulo correcto y luego colocar calibradores digitales para medir el cráneo. A medida que la inteligencia artificial comienza a encargarse de esta tarea, prometiendo medir la cabeza del bebé automáticamente, ha surgido un nuevo problema. Una computadora puede emitir con confianza un número incluso si la imagen que está observando es borrosa, está inclinada o carece de características clave. El peligro es que un médico pueda confiar en un número que parece perfecto pero que fue calculado a partir de una imagen defectuosa, lo que conduciría a decisiones médicas incorrectas.

Un equipo de investigadores de la Universidad de Griffith y el Hospital Universitario de la Costa Dorada ha desarrollado un nuevo sistema llamado ATLAS para resolver este problema de confianza. En lugar de simplemente dar un único número, ATLAS está diseñado para actuar como un asistente cuidadoso que verifica su propio trabajo antes de hablar. El sistema descompone el proceso de medición en tres pasos distintos que reflejan cómo piensa un médico humano: primero, encuentra la cabeza del bebé; segundo, confirma que las estructuras internas del cerebro sean visibles y correctas; y tercero, calcula las mediciones. Crucialmente, el sistema mantiene un registro detallado de cada paso que tomó. Recuerda exactamente dónde encontró la cabeza, qué evidencia vio para probar que la imagen era válida y cómo convirtió los píxeles en la pantalla en milímetros. Este enfoque asegura que, si se realiza una medición, haya un rastro de evidencia claro y auditable que muestre por qué esa medición es confiable. Los investigadores probaron este sistema en miles de imágenes de ultrasonido de diferentes hospitales y descubrieron que, si bien la computadora podía encontrar la cabeza casi perfectamente, la forma en que medía la cabeza importaba enormemente. Descubrieron que un método de medición más simple, que dependía de la forma de la caja que la computadora dibujaba alrededor de la cabeza, era a menudo más preciso que un método más complejo que intentaba trazar el contorno exacto del cráneo. Además, demostraron que cuando el sistema se adaptó para trabajar con datos de un nuevo hospital, podía mejorar en la localización de la cabeza pero empeorar en la medición de la misma, probando que encontrar un objeto no es lo mismo que medirlo correctamente.

El núcleo del sistema ATLAS se basa en la idea de que una medición es tan buena como las condiciones bajo las cuales se realizó. En la primera etapa, llamada "Find" (Encontrar), la computadora escanea toda la imagen de ultrasonido para localizar la cabeza fetal. Dibuja un cuadro alrededor de la región que cree que contiene el cráneo. Si la computadora no puede encontrar una cabeza con suficiente confianza, simplemente se detarviene e informa que no hay una medición disponible, en lugar de adivinar. En la segunda etapa, "Confirm" (Confirmar), el sistema hace zoom en ese cuadro para buscar marcas internas específicas, como un espacio lleno de líquido en medio del cerebro y los ventrículos laterales. Estas estructuras son esenciales para confirmar que el plano de ultrasonido es el correcto para la medición. Si estas marcas faltan, el sistema sabe que la imagen podría ser desde el ángulo equivocado, incluso si la cabeza en sí fue encontrada. Finalmente, en la etapa de "Measure" (Medir), el sistema calcula el ancho y la circunferencia de la cabeza. Los investigadores probaron dos formas diferentes de hacer esto: un método utilizó un algoritmo complejo para trazar la curva exacta del cráneo, mientras que el otro utilizó las dimensiones simples de la caja encontrada en la primera etapa.

Cuando los investigadores probaron estos métodos en un gran conjunto de imágenes de un hospital público, encontraron un resultado sorprendente. El método más simple, que utilizó las dimensiones de la caja, produjo mediciones más precisas que el método de trazado complejo. Específicamente, el método de la caja fue correcto dentro de un margen muy estrecho para más del 91 por ciento de las imágenes, mientras que el método de trazado complejo fue correcto para aproximadamente el 84 por ciento. El método complejo tendía a subestimar el ancho de la cabeza por casi un milímetro en promedio, una pequeña diferencia que aún podría desplazar significativamente la curva de crecimiento de un bebé. Este hallazgo desafió la suposición común en la inteligencia artificial de que los modelos más complejos son siempre mejores. Los investigadores también probaron el sistema con imágenes de otros dos hospitales en España y el Reino Unido para ver si funcionaría con datos que nunca había visto. El sistema fue excelente para encontrar la cabeza en estas nuevas imágenes, localizándola en casi todos los cuadros. Sin embargo, la precisión de las mediciones varió dependiendo del hospital. Con los datos de España, el método simple de la caja siguió siendo el más preciso. Con los datos del Reino Unido, el método de trazado complejo funcionó mejor. Esto demostró que la mejor forma de medir depende de las características específicas de las imágenes que se están utilizando, como la configuración de la máquina de ultrasonido y cómo fueron etiquetadas las imágenes por los expertos.

Una parte significativa del estudio se centró en lo que sucede cuando un sistema es entrenado con datos de un hospital y luego se utiliza en otro. Los investigadores intentaron "ajustar" el sistema utilizando datos de los nuevos hospitales, con la esperanza de hacerlo funcionar mejor allí. Descubrieron que, si bien este proceso hizo que el sistema fuera mejor para detectar la cabeza —mejorando el solapamiento entre la caja de la computadora y la cabeza real por unos pocos puntos porcentuales—, en realidad hizo que las mediciones fueran menos precisas. Las mediciones se volvieron más erróneas, no menos. Esto sugiere que simplemente hacer que una computadora sea mejor detectando un objeto no garantiza que lo mida correctamente. Para resolver esto, los investigadores probaron una técnica llamada agregación, donde combinaron el conocimiento de las diferentes versiones del sistema específicas de cada hospital sin mezclar las imágenes reales de los pacientes. Este enfoque restauró parcialmente la precisión, particularmente para los datos del Reino Unido, demostrando que es posible compartir el aprendizaje entre instituciones sin compartir los datos privados de los pacientes. Todo el sistema es notablemente ligero, requiere solo 16.5 megabytes de memoria y tarda menos de 60 milisegundos en procesar una sola imagen, lo que significa que podría ejecutarse potencialmente en máquinas de ultrasonido estándar sin necesidad de computadoras potentes y costosas.

El estudio también incluyó una revisión por parte de un especialista médico que observó las imágenes que el sistema procesó. El médico confirmó que el enfoque paso a paso del sistema era fácil de entender y que identificó correctamente cuándo una imagen era adecuada para la medición y cuándo no lo era. El médico señaló que incluso cuando una imagen no era perfecta para una medición estándar, el sistema aún preservaba información útil sobre la posición y la anatomía del bebé. Esto es importante porque significa que el sistema no solo desecha las imágenes "malas"; conserva la evidencia para que un humano pueda decidir si todavía hay valor en observarlas. Los investigadores enfatizaron que su sistema no es un reemplazo para el juicio de un médico, sino una herramienta para hacer transparente el proceso de medición. Al mantener un registro de cada paso, desde la búsqueda inicial de la cabeza hasta el cálculo final, el sistema permite a los médicos ver exactamente por qué se generó un número. Si una medición parece errónea, el médico puede rastrearla para ver si la cabeza se encontró en el lugar correcto, si las estructuras cerebrales internas eran visibles y si se utilizó la escala correcta para convertir la imagen en milímetros.

Las implicaciones de este trabajo se extienden más allá de la medición de la cabeza de un bebé. Aborda un problema fundamental en la inteligencia artificial médica: la necesidad de sistemas que no solo sean precisos, sino también confiables y explicables. En el pasado, los sistemas de IA a menudo actuaban como "cajas negras", proporcionando una respuesta sin explicar cómo llegaron a ella. Esto dificultaba que los médicos supieran cuándo confiar en la máquina y cuándo verificar el trabajo. ATLAS demuestra que es posible construir un sistema que trate la medición como un proceso de recopilación de evidencia en lugar de solo un cálculo. El estudio mostró que la integridad de los datos es tan importante como el algoritmo mismo; los investigadores construyeron una capa de controles para asegurar que los datos utilizados para entrenar el sistema estuvieran limpios y que ningún dato de paciente se mezclara accidentalmente entre los grupos de entrenamiento y de prueba. Incluso probaron el sistema introduciendo errores deliberadamente en los datos, como imágenes duplicadas o etiquetas faltantes, y el sistema detectó exitosamente cada uno de ellos. Este nivel de rigor asegura que los resultados sean confiables y que el sistema no esté aprendiendo de los errores en los datos.

En última instancia, el marco de trabajo ATLAS ofrece una nueva forma de pensar en la IA médica. Desplaza el enfoque de simplemente obtener un número hacia la comprensión de las condiciones bajo las cuales ese número es válido. Los investigadores encontraron que el sistema podía manejar la complejidad de las imágenes de ultrasonido del mundo real, trabajando a través de diferentes hospitales y con diferentes tipos de equipos. Aunque el sistema aún no está listo para su uso en un entorno clínico real, el estudio proporciona una base sólida para el desarrollo futuro. Demuestra que, al descomponer una tarea compleja en pasos más pequeños y verificables y mantener un registro claro de la evidencia, podemos construir sistemas de IA en los que los médicos puedan confiar. El siguiente paso será probar este sistema en tiempo real durante los escaneos de ultrasonido reales para ver cómo se desempeña cuando un médico sostiene la sonda y toma decisiones en tiempo real. Hasta entonces, este trabajo es una prueba de concepto de que la transparencia y la trazabilidad son esenciales para el uso seguro y efectivo de la inteligencia artificial en la medicina.