Inteligencia colaborativa entre humanos e inteligencia artificial para mejorar la gestión del flujo fetal

Actualmente, la velocimetría por ultrasonido Doppler sirve como una herramienta crucial en la práctica obstétrica, particularmente para evaluar la arteria umbilical (UA) y la arteria cerebral media (ACM) en la circulación úteroplacentaria-fetal. Si bien la ecografía Doppler es valiosa para detectar afecciones como anemia fetal e insuficiencia placentaria, su precisión depende de la experiencia del operador. La inteligencia artificial (IA) ofrece mejoras potenciales, especialmente en embarazos de alto riesgo. Sin embargo, las aplicaciones de IA existentes en la ecografía fetal a menudo carecen de transparencia, lo que genera desconfianza en los usuarios. Este estudio tiene como objetivo abordar estas limitaciones mediante el desarrollo de un modelo de IA explicable para ayudar a los médicos a interpretar las imágenes de ecografía Doppler de UA y MCA para mejorar el manejo de embarazos de alto riesgo.

Los objetivos del estudio son:

1. Desarrollar un modelo interpretable para los flujos Doppler de uso común, específicamente el índice de pulsatilidad (PI) de la arteria umbilical (UA) y la arteria cerebral media (MCA), con el objetivo de proporcionar retroalimentación de calidad sobre las imágenes del espectro Doppler y sugerir posibles ubicaciones de puertas.
2. Probar los efectos de proporcionar retroalimentación de IA explicable (XAI) a los médicos en comparación con ninguna retroalimentación sobre su precisión en la interpretación y el manejo de la ecografía.

Todos los participantes recibirán instrucciones para colocar la puerta para las imágenes de flujo de la arteria umbilical y la MCA, y para evaluar la calidad de las curvas de flujo resultantes. Cada participante deberá evaluar un total de 40 imágenes únicas (10 imágenes de flujo para UA y MCA, 10 imágenes Doppler espectrales para UA y MCA, respectivamente). De los cuatro grupos (flujo UA, espectro UA, flujo MCA y espectro MCA), los investigadores proporcionarán conjuntos combinados de 40 imágenes que se proporcionan a los participantes, que coinciden según su nivel de experiencia dentro de cada hospital (PGY 1 -2; PGY 3-5; obstetras certificados). Para imágenes de flujo, se indicará a los participantes que identifiquen la ubicación de la puerta más adecuada. Para las curvas de flujo espectral, se pedirá a los participantes que evalúen si las curvas de flujo eran de calidad suficiente para informar las decisiones de gestión médica.

Los criterios de inclusión para imágenes de MCA y UA serán imágenes tomadas del tercer trimestre (>= semana 28).

Diseño del estudio: ensayo controlado aleatorio

Fuente de datos: 1840 ecografías únicas que incluyen mediciones de la arteria umbilical (UA) y de la arteria cerebral media (MCA). Las 1840 imágenes únicas incluyen: 460 imágenes de flujo UA, 460 imágenes de espectro UA, 460 imágenes de flujo MCA y 460 imágenes de espectro MCA.

Participantes: 92 médicos con distintos niveles de competencia en cuatro hospitales universitarios diferentes.

Intervención: retroalimentación XAI sobre las curvas espectrales Doppler MCA/UA y sugerencias de ubicación de puerta.

Grupo de control: No hay comentarios de XAI.

Procedimiento: Los médicos se dividirán en dos grupos de 46 cada uno, emparejados por niveles de experiencia en todos los hospitales. El grupo de control colocará una puerta en las imágenes MCA/UA y evaluará el espectro Doppler sin retroalimentación de la IA, mientras que el grupo de intervención realizará las mismas tareas con acceso a la retroalimentación de la IA.

Medidas de resultado: Las respuestas de los participantes en los dos grupos son revisadas por dos ecografistas de medicina fetal que evalúan las respuestas de los participantes de forma independiente entre sí. En caso de desacuerdo, los dos ecografistas llegan a un consenso después de una discusión.