Proyecto de algoritmo de aprendizaje profundo del intestino delgado

Introducción.

El objetivo principal del estudio es evaluar la precisión del algoritmo de aprendizaje profundo para diferenciar entre íleon terminal normal y anormal frente a radiólogos experimentados en imágenes de enterografía por RM.

El estudio se basa en la investigación existente, que ha demostrado que los métodos estadísticos pueden identificar los sitios de la enfermedad de Crohn en el intestino delgado. Sin embargo, el proceso requería más de 1 hora y no era completamente automático. Nuestro proyecto investiga si un algoritmo de "aprendizaje profundo" de vanguardia (basado en redes neuronales) junto con una mayor potencia informática puede proporcionar información precisa y oportuna.

El proyecto ha sido diseñado conjuntamente por radiólogos especialistas en imágenes gastrointestinales (que son conscientes de los desafíos que implica obtener imágenes precisas de la enfermedad de Crohn) y el Departamento de Ciencias de la Computación del Imperial College (que tienen experiencia en el desarrollo de redes neuronales para imágenes médicas). También se agradecen los aportes y la revisión del Departamento de Investigación y Desarrollo del Noroeste de Londres.

Diseño del estudio.

Diseño retrospectivo y Reclutamiento.

El estudio identificará retrospectivamente a los pacientes elegibles y utilizará una técnica de muestreo de casos consecutivos (todas las imágenes elegibles se incluirán trabajando hacia atrás desde la más reciente).

Este enfoque retrospectivo se compromete entre la generalización de los hallazgos que se reducen y el estudio que se lleva a cabo con relativa rapidez y bajo costo (el estudio no tiene subvenciones).

Los investigadores confían en la generalización de los resultados, ya que un objetivo de reclutamiento de 113 casos normales y 113 casos con enfermedad del íleon terminal debería cubrir el espectro de apariencias normales y anormales (estudios anteriores han usado <50 conjuntos de imágenes).

Los casos con íleon terminal normal en la resonancia magnética se incluyen como un enfoque para el desarrollo de algoritmos que implica la comparación de las características de imagen del íleon terminal normal y anormal en los estudios de resonancia magnética.

Enfoque no experimental.

El método utiliza resonancias magnéticas realizadas como parte de la atención clínica estándar. No se realizan imágenes adicionales para este estudio. Los resultados del estudio no cambiarán el/los tratamiento/s actual/es que están tomando los pacientes elegibles.

Consentimiento y confidencialidad.

Dado que las imágenes utilizadas para el desarrollo del algoritmo se anonimizan por completo, no se obtendrá el consentimiento explícito. Esto sigue la guía de las Directrices del Consejo Médico General en 2011 y el Colegio Real de Radiólogos (Reino Unido) en 2017, que establecen que las grabaciones anónimas se pueden compartir para su uso en investigación sin consentimiento.

Las imágenes de resonancia magnética utilizadas para este estudio se adquirieron como parte de la atención clínica estándar de rutina y los radiólogos que participan en este estudio las verían de forma rutinaria como parte de su práctica laboral normal.

Tan pronto como se identifique al paciente adecuado, las imágenes del paciente se copiarán de forma completamente anónima sin identificadores directos o indirectos. Se incluye una sólida función de anonimización en el programa de visualización de imágenes de radiología. Los identificadores de sujetos del estudio se asignarán aleatoriamente para evitar la seudoanonimización si se incluyen escaneos del mismo paciente en diferentes momentos.

No se transferirán datos sensibles/identificables del paciente para el desarrollo de algoritmos durante el estudio. El desarrollo del algoritmo se basa en hacer coincidir las intensidades de los píxeles de la resonancia magnética con las puntuaciones/anotaciones de la enfermedad en múltiples exploraciones. La anonimización no afecta a los píxeles de la imagen. Solo se presentarán datos agregados en las publicaciones, es decir, no se publicarán ejemplos de casos únicos.

Conflicto de intereses. Los investigadores de este estudio declaran no tener ningún conflicto de intereses.