Development of a Computer Vision System for Stone Segmentation During CVAC 2.0 In-Scope Aspiration Ureteroscopy
Este artículo presenta el desarrollo y la validación de StoneClear, un sistema de visión computarizada impulsado por IA que logra una alta precisión en la detección y segmentación a nivel de píxel de fragmentos de cálculos residuales durante la ureteroscopia asistida por CVAC 2.0, estableciendo así una base sólida para la evaluación intraoperatoria en tiempo real de la eliminación de cálculos.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Los cálculos renales son un problema persistente y doloroso para millones de personas. Cuando se forma un cálculo dentro del riñón, los médicos suelen utilizar una cámara fina y flexible que se introduce en el cuerpo para fragmentar la piedra en polvo y eliminarla. El objetivo es dejar el riñón completamente limpio, pero esto es sorprendentemente difícil de confirmar mientras se realiza la cirugía. La visión dentro del cuerpo suele estar nublada por la sangre, el fluido de irrigación y el polvo de la piedra fragmentada que gira, creando una "tormenta de nieve" que oculta pequeños fragmentos. Incluso con herramientas de succión avanzadas diseñadas para limpiar estos desechos, los cirujanos dependen de sus propios ojos para decidir si el trabajo ha terminado. Este juicio subjetivo puede ser defectuoso, lo que provoca que queden pequeños trozos de piedra que pueden convertirse en nuevas y dolorosas obstrucciones más adelante.
Para resolver esto, un equipo de investigadores de New York Presbyterian Weill Cornell Medicine ha desarrollado un nuevo sistema informático llamado StoneClear. Este sistema actúa como un segundo par de ojos para el cirujano, utilizando inteligencia artificial para observar la transmisión de vídeo en vivo de la cámara y detectar automáticamente cualquier fragmento de piedra restante. Los investigadores entrenaron este sistema utilizando vídeos de diez pacientes que se sometieron a un tipo específico de cirugía utilizando el dispositivo CVAC 2.0, una herramienta que combina la ruptura por láser, la visión directa y una potente succión para eliminar los desechos de la piedra. El equipo pidió a urólogos expertos que marcaran cuidadosamente miles de fotogramas de vídeo, trazando contornos precisos alrededor de cada fragmento de piedra que pudieran ver e identificando fotogramas donde no había piedras, incluso si había elementos confusos como coágulos de sangre o burbujas.
El sistema informático aprendió a realizar dos tareas de forma secuencial. Primero, actúa como un guardián, decidiendo simplemente si hay una piedra presente en la imagen actual o no. Si detecta una piedra, actúa entonces como un delineador, trazando un límite detallado alrededor de la piedra a nivel de píxel para mostrar exactamente dónde está. Este proceso de dos pasos fue crucial porque el entorno del vídeo es caótico; la succión crea corrientes rápidas que hacen que las piedras aparezcan y desaparezcan rápidamente, y el propio tubo de succión a menudo bloquea parte de la visión. Los investigadores probaron el sistema utilizando un método en el que lo entrenaron con la mayor parte de los datos de los pacientes y luego comprobaron su rendimiento en los casos restantes para asegurar que pudiera manejar situaciones nuevas y no vistas.
Los resultados mostraron que el sistema es altamente efectivo para distinguir entre una visión clara y una que contiene fragmentos de piedra. En casi el 93 por ciento de los fotogramas de vídeo, StoneClear identificó correctamente si una piedra estaba presente o ausente. Cuando las piedras eran visibles, los contornos digitales del sistema coincidían con los dibujos manuales de los cirujanos expertos con un alto grado de superposición, lo que indica que podía localizar con precisión la ubicación y la forma de los desechos. Quizás más importante aún, el sistema fue mucho mejor para evitar falsas alarmas que los modelos de visión computacional estándar. Sin el paso especial del "guardián", otros modelos de IA identificarían erróneamente reflejos, sangre o burbujas como piedras en más de tres cuartas partes de los fotogramas claros. StoneClear redujo significativamente esta tasa de error, haciendo que las falsas alarmas fueran poco comunes.
Este trabajo demuestra que la inteligencia artificial puede proporcionar una verificación fiable y en tiempo real sobre la eliminación de cálculos durante cirugías complejas asistidas por succión. El sistema no reemplaza la necesidad de realizar exploraciones postquirúrgicas, que siguen siendo el estándar de oro para confirmar que el paciente está libre de cálculos, pero ofrece una herramienta poderosa al cirujano mientras el procedimiento aún está en curso. Al resaltar fragmentos que de otro modo podrían pasarse por alto en el entorno caótico y de movimiento rápido, la tecnología ayuda a los cirujanos a verificar su trabajo de manera más objetiva. El estudio confirma que, con el diseño adecuado, las computadoras pueden aprender a ver a través del ruido visual de la cirugía, ofreciendo un camino más claro para asegurar que el riñón quede realmente vacío de cálculos.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.