Ultrasonido 2D de Cerebro Fetal Asistido por IA para Detección de Anomalías Intracraneales (ALYSSIA)

La detección oportuna de anomalías cerebrales fetales es fundamental para mejorar el asesoramiento prenatal y los resultados neurológicos posnatales. La ecografía es el método de imagen más utilizado y eficaz para evaluar las estructuras fetales; sin embargo, la precisión diagnóstica puede verse afectada por la experiencia del operador, la posición fetal y la calidad de la imagen, lo que conduce a variabilidad en la interpretación. El análisis de imágenes basado en inteligencia artificial (IA) ofrece una nueva oportunidad para estandarizar la evaluación diagnóstica y reducir la subjetividad en la interpretación ecográfica.

Este estudio tiene como objetivo evaluar la precisión diagnóstica y la aplicabilidad clínica de un modelo asistido por IA (Alyssia) diseñado para analizar imágenes ecográficas 2D archivadas del cerebro fetal. El modelo se entrenará y validará para distinguir entre hallazgos intracraneales normales y anormales, centrándose particularmente en los ventrículos laterales y otras regiones cerebrales relevantes. La investigación emplea un diseño observacional retrospectivo utilizando datos ecográficos anonimizados obtenidos durante exámenes prenatales de rutina entre las 18 y 24 semanas de gestación.

Clínicos expertos revisarán y etiquetarán todas las imágenes elegibles para establecer clasificaciones de referencia para el entrenamiento y validación del modelo. Se desarrollará un algoritmo basado en aprendizaje profundo para clasificar automáticamente estas imágenes, y su rendimiento se evaluará utilizando métricas de precisión, sensibilidad, especificidad, precisión y puntuación F1. Los casos mal clasificados se analizarán cualitativamente para determinar factores contribuyentes como la calidad de la imagen, la variabilidad anatómica y las diferencias gestacionales.

Al comparar los resultados del modelo de IA con las referencias etiquetadas por expertos, el estudio evaluará la capacidad del modelo para mejorar la estandarización diagnóstica y reducir la variabilidad interobservador. Se espera que los hallazgos proporcionen información valiosa sobre la integración de sistemas de apoyo a la decisión basados en IA en la neurosonografía prenatal. En última instancia, esta investigación tiene como objetivo respaldar una detección más temprana y fiable de las anomalías cerebrales fetales, contribuyendo a una mejor atención prenatal y resultados más saludables para madres y bebés.