Inteligencia artificial en tomografía para diagnóstico de enfermedades pulmonares intersticiales
DOI:
https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1277Palabras clave:
Enfermedades Pulmonares Intersticiales, Tomografía, Intelligence artificielleResumen
Objetivo: Analizar la influencia de la Inteligencia Artificial en el diagnóstico patológico de las enfermedades pulmonares intersticiales (EPI) a través de la Tomografía Computarizada (TC) mediante el proceso de Aprendizaje Profundo (AP) en una revisión integrativa. Metodología: Utilizamos los descriptores Mesh en inglés asociados con el operador booleano "AND" en las plataformas MEDLINE y PubMed. Resultados: Se analizaron 8 cohortes retrospectivas sobre el uso de algoritmos en la cuantificación de lesiones parenquimatosas, volumen pulmonar, recuperación de imágenes en bancos de datos y comparación de rendimiento entre la tecnología y el observador en el contexto del diagnóstico de EPI en TC. Conclusión: El AP a través de algoritmos en TC se muestra prometedor para ayudar en el diagnóstico de EPI de manera más eficiente, lo que podría reducir este proceso en el futuro. Sin embargo, se necesitan más estudios, especialmente prospectivos, con amplias bases de datos para obtener resultados aún mejores.
Citas
Wijsenbeek M, Suzuki A, Maher TM. Interstitial lung diseases. The Lancet. 2022 Sep;400(10354):769–86. DOI: https://doi.org/10.1016/S0140-6736(22)01052-2
Exarchos KP, Gkrepi G, Kostikas K, Gogali A. Recent Advances of Artificial Intelligence Applications in Interstitial Lung Diseases. Diagnostics (Basel, Switzerland). 2023 Jul 6;13(13):2303.
Soffer S, Morgenthau AS, Shimon O, Barash Y, Konen E, Glicksberg BS, et al. Artificial Intelligence for Interstitial Lung Disease Analysis on Chest Computed Tomography: A Systematic Review. Academic Radiology. 2022 Feb;29:S226–35.
Dack E, Christe A, Fontanellaz M, Brigato L, Heverhagen JT, Peters AA, et al. Artificial Intelligence and Interstitial Lung Disease: Diagnosis and Prognosis. Investigative radiology. 2023 Aug 1;58(8):602–9. DOI: https://doi.org/10.1097/RLI.0000000000000974
Rea G, Sverzellati N, Bocchino M, Lieto R, Milanese G, D’Alto M, et al. Beyond Visual Interpretation: Quantitative Analysis and Artificial Intelligence in Interstitial Lung Disease Diagnosis “Expanding Horizons in Radiology.” Diagnostics (Basel, Switzerland). 2023 Jul 10;13(14):2333. DOI: https://doi.org/10.3390/diagnostics13142333
Furukawa T, Oyama S, Yokota H, Kondoh Y, Kataoka K, Johkoh T, et al. A comprehensible machine learning tool to differentially diagnose idiopathic pulmonary fibrosis from other chronic interstitial lung diseases. Respirology. 27(9):739–46. DOI: https://doi.org/10.1111/resp.14310
Exarchos KP, Gkrepi G, Kostikas K, Gogali A. Recent Advances of Artificial Intelligence Applications in Interstitial Lung Diseases. Diagnostics (Basel). 2023 Jan 1; DOI: https://doi.org/10.3390/diagnostics13132303
Soffer S, Morgenthau AS, Shimon O, Barash Y, Konen E, Glicksberg BS, et al. Artificial Intelligence for Interstitial Lung Disease Analysis on Chest Computed Tomography: A Systematic Review. Academic Radiology. 2022 Feb;29:S226–35. DOI: https://doi.org/10.1016/j.acra.2021.05.014
Islam MN, Inan TT, Rafi S, Akter SS, Sarker IH, Islam AKMN. A Systematic Review on the Use of AI and ML for Fighting the COVID-19 Pandemic. IEEE transactions on artificial intelligence. 2021 Mar 1;1(3):258–70. DOI: https://doi.org/10.1109/TAI.2021.3062771
Choe J, Hwang HJ, Seo JB, Lee SM, Yun J, Kim MJ, et al. Content-based Image Retrieval by Using Deep Learning for Interstitial Lung Disease Diagnosis with Chest CT. Radiology. 2022 Jan;302(1):187–97. DOI: https://doi.org/10.1148/radiol.2021204164
Walsh SLF, Calandriello L, Silva M, Sverzellati N. Deep learning for classifying fibrotic lung disease on high-resolution computed tomography: a case-cohort study. The Lancet Respiratory Medicine. 2018 Nov;6(11):837–45. DOI: https://doi.org/10.1016/S2213-2600(18)30286-8
Christe A, Peters AA, Drakopoulos D, Heverhagen JT, Geiser T, Stathopoulou T, et al. Computer-Aided Diagnosis of Pulmonary Fibrosis Using Deep Learning and CT Images. Investigative radiology. 2019 Oct;54(10):627–32. DOI: https://doi.org/10.1097/RLI.0000000000000574
Agarwala S, Kale M, Kumar D, Swaroop R, Kumar A, Kumar Dhara A, et al. Deep learning for screening of interstitial lung disease patterns in high-resolution CT images. Clinical Radiology. 2020 Jun;75(6):481.e1-481.e8. DOI: https://doi.org/10.1016/j.crad.2020.01.010
Bratt A, Williams JM, Liu G, Panda A, Patel PP, Walkoff L, et al. Predicting Usual Interstitial Pneumonia Histopathology From Chest CT Imaging With Deep Learning. Chest. 2022 Oct;162(4):815–23. DOI: https://doi.org/10.1016/j.chest.2022.03.044
Handa T, Tanizawa K, Oguma T, Uozumi R, Watanabe K, Tanabe N, et al. Novel Artificial Intelligence-based Technology for Chest Computed Tomography Analysis of Idiopathic Pulmonary Fibrosis. Ann Am Thorac Soc. 2022 Jan 1;399–406. DOI: https://doi.org/10.1513/AnnalsATS.202101-044OC
Yin N, Shen C, Dong F, Wang J, Guo Y, Bai L. Computer-aided identification of interstitial lung disease based on computed tomography. Journal of X-Ray Science and Technology. 2019 Sep 4;27(4):591–603. DOI: https://doi.org/10.3233/XST-180460
Yu W, Zhou H, Choi Y, Goldin JG, Teng P, Wong WK, et al. Multi-scale, domain knowledge-guided attention + random forest: a two-stage deep learning-based multi-scale guided attention models to diagnose idiopathic pulmonary fibrosis from computed tomography images. Medical physics. 2023 Feb;50(2):894–905. DOI: https://doi.org/10.1002/mp.16053
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
La sumisión de un artículo a el Journal of Health Informatics es entendida como exclusiva y que no esta siendo considerado para publicación en otro periódico. La permisión de los autores para la publicación de su artículo en lo JHI implica en la exclusiva autorización concedida a los editores para su inclusión en la revista. Al someter un artículo, a lo autor será solicitada la permisión electrónica de una Nota de Copyright. Una mensaje electrónica será enviada a lo autor correspondiente confirmando el recibo del manuscrito y lo aceite de la Nota de Copyright.
