Investigadores de los Departamentos de Kinesiología y Radiología de Clínica MEDS, en conjunto con la Escuela de Ingeniería Industrial (EII) de la Pontificia Universidad Católica de Valparaíso (PUCV), demostraron que los algoritmos de aprendizaje profundo, conocidos como redes neuronales convolucionales, tienen una precisión más alta que los métodos tradicionales en el diagnóstico de la infiltración grasa que presenta el músculo supraespinoso en lesiones del manguito rotador del hombro.
Los científicos entrenaron diferentes modelos de CNN para categorizar la lesión, basándose específicamente en la clasificación internacional de Goutallier. Específicamente, se seleccionaron 900 resonancias magnéticas nucleares de pacientes con este diagnóstico en los diferentes centros MEDS, siendo uno de los análisis más grandes a nivel internacional. Asimismo, se desarrollaron cinco tipos de clasificación binaria en dos grupos y se implementaron tres modelos de redes neuronales convolucionales conocidos como VGG-19, ResNet-50 e Inception-V3.
Según Guillermo Droppelmann, miembro de la Unidad Académica y del Departamento de Kinesiología de Clínica MEDS, además de líder del proyecto, esta contribución permite mejorar sustancialmente la precisión diagnóstica de los clínicos en escenarios de incertidumbre, mejorando el proceso de selección entre un tratamiento conservador (kinésico) o uno quirúrgico. A su vez, Nicolás García, médico radiólogo de Clínica MEDS, señala que esta contribución permite no sólo mejorar la precisión diagnóstica, sino que también los tiempos de diagnóstico en servicios con alta demanda asistencial.
Por su parte, Felipe Feijoo, profesor de la EII de la PUCV, destaca que estos modelos están siendo cada vez más utilizados por los profesionales de la salud y que la integración entre las disciplinas resulta fundamental para generar conocimiento de calidad en medicina.
Actualmente Clínica MEDS, a través de su iniciativa Sport Medicine Data Science Center y su Centro de Innovación, se encuentra desarrollando distintas investigaciones que incorporan estas estrategias para mejorar los procesos diagnósticos en beneficio de pacientes y clínicos.
Para conocer en profundidad y mayores detalles de la publicación haga clic aquí