El modelo, desarrollado en Mayo Clinic, automatiza el análisis de imágenes enviadas por pacientes y podría transformar el seguimiento médico tras una cirugía.
Un equipo de investigadores de Mayo Clinic ha creado un sistema basado en inteligencia artificial (IA) capaz de identificar infecciones en heridas quirúrgicas a partir de fotografías enviadas por pacientes. El avance, publicado en Annals of Surgery, busca optimizar la atención postoperatoria, reducir la carga administrativa para el personal clínico y permitir una detección más temprana de infecciones potenciales.
El incremento de cirugías ambulatorias y la expansión del monitoreo remoto han generado una creciente necesidad de evaluar imágenes de heridas quirúrgicas enviadas por pacientes a través de portales en línea. Actualmente, este proceso recae en los equipos médicos, lo cual puede resultar en demoras en la atención. Para abordar este reto, el nuevo sistema de IA desarrollado por Mayo Clinic automatiza la detección de incisiones quirúrgicas y señales de infección, y también evalúa la calidad de las imágenes enviadas.
El estudio se basó en más de 20,000 imágenes de más de 6,000 pacientes atendidos entre 2019 y 2022 en nueve hospitales afiliados a Mayo Clinic. Se incluyeron pacientes mayores de 18 años que enviaron al menos una imagen de su herida dentro de los 30 días posteriores a la cirugía. Los investigadores desarrollaron una plataforma en dos etapas: primero, el modelo identifica si la imagen contiene una incisión; después, evalúa si existen signos de infección.
El modelo Vision Transformer fue el que presentó mejor desempeño. Logró una precisión del 94% en la detección de incisiones y un área bajo la curva (AUC, en inglés) del 81% en la detección de infecciones. Además, el sistema mostró resultados consistentes al analizar la calidad de las imágenes y no presentó diferencias significativas en su desempeño entre distintos subgrupos raciales, lo que responde a preocupaciones sobre posibles sesgos algorítmicos.
“Nuestro modelo puede ayudar a clasificar automáticamente estas imágenes, mejorando la detección temprana y agilizando la comunicación entre pacientes y sus equipos de atención”, afirmó el Dr. Cornelius Thiels, coautor principal del estudio. Por su parte, la Dra. Hala Muaddi, autora principal, destacó que este enfoque es especialmente útil dado el aumento de cirugías ambulatorias y seguimientos virtuales.
Según los investigadores, este sistema tiene el potencial de actuar como una herramienta de evaluación inicial, alertando a los médicos sobre incisiones que podrían requerir atención prioritaria, especialmente en zonas rurales o con recursos limitados. También sienta las bases para futuras aplicaciones que podrían identificar signos sutiles de infección antes de que sean evidentes a simple vista, lo que permitiría tratamientos más oportunos y efectivos.
El estudio concluye que esta herramienta de IA muestra un rendimiento prometedor en la automatización del análisis de imágenes de heridas quirúrgicas y la detección de infecciones, lo que podría reducir la carga clínica y mejorar la atención postoperatoria.
