Detección de fibrosis en imágenes de cine de resonancia cardíaca mediante el uso de técnicas de inteligencia artificial

Abstract

Introducción: Las técnicas de inteligencia artificial han demostrado tener un gran potencial en el área de la cardiología, especialmente para identificar patrones imperceptibles para el ser humano. En este sentido, dichas técnicas parecen ser las adecuadas para identificar patrones en la textura del miocardio con el objetivo de identificar y cuantificar la fibrosis. Objetivos: Proponer un nuevo método de inteligencia artificial para identificar fibrosis en imágenes cine de resonancia cardíaca. Materiales y métodos: Se realizó un estudio retrospectivo observacional en 75 sujetos del Sanatorio San Carlos de Bariloche. El método propuesto analiza la textura del miocardio en las imágenes cine CMR (resonancia magnética cardíaca) mediante el uso de una red neuronal convolucional que determinar el daño local del tejido miocárdico. Resultados: Se observó una precisión del 89% para cuantificar el daño tisular local en el conjunto de datos de validación y de un 70% para el conjunto de prueba. Además, el análisis cualitativo realizado muestra una alta correlación espacial en la localización de la lesión. Conclusiones: El método propuesto permite identificar espacialmente la fibrosis únicamente utilizando la información de los estudios de cine de resonancia magnética nuclear, mostrando el potencial de la técnica propuesta para cuantificar la viabilidad miocárdica en un futuro o estudiar la etiología de las lesiones.

Background: Artificial intelligence techniques have demonstrated great potential in cardiology, especially to detect imperceptible patterns for the human eye. In this sense, these techniques seem to be adequate to identify patterns in the myocardial texture which could lead to characterize and quantify fibrosis. Purpose: The aim of this study was to postulate a new artificial intelligence method to identify fibrosis in cine cardiac magnetic resonance (CMR) imaging. Methods: A retrospective observational study was carried out in a population of 75 subjects from a clinical center of San Carlos de Bariloche. The proposed method analyzes the myocardial texture in cine CMR images using a convolutional neural network to determine local myocardial tissue damage. Results: An accuracy of 89% for quantifying local tissue damage was observed for the validation data set and 70% for the test set. In addition, the qualitative analysis showed a high spatial correlation in lesion location. Conclusions: The postulated method enables to spatially identify fibrosis using only the information from cine nuclear magnetic resonance studies, demonstrating the potential of this technique to quantify myocardial viability in the future or to study the lesions etiology.