Un método de aprendizaje automático con una red neuronal convolucional (CNN), podría funcionar para la evaluación de pequeñas masas renales solidas en tomografías computarizadas (TC).
En artículo publicado en el American Journal of Roentgenology se mostraron los avances sobre este nuevo método de diagnóstico. Investigadores de la Universidad de Okayama en Japón, estudiaron 1807 conjuntos de imágenes de 168 masas renales sólidas menores o iguales a 4 cm, diagnosticadas con TC en 159 pacientes.
Las masas fueron clasificadas como malignas (136), y benignas (32), mediante una escala de 5 puntos. Takashi Tanaka, autor principal de la investigación explicó el sistema de clasificación: “cuatro se utilizaron para el aumento y el entrenamiento supervisado (48.832 imágenes), y una se utilizó para las pruebas (281 imágenes)”.
El Modelo CNN no encontró una diferencia de tamaño significativa entre las masas benignas y malignas, sin embargo, sí se encontró que el valor de AUC de la fase cortico medular era mayor que el de otras fases. Además, se obtuvo una precisión de 88% en las imágenes de esa fase.
Los resultaron mostraron que la fase cortico medular fue un predictor importante para determinar si la masa era maligna o no, en comparación con variables que utilizan otros modelos como la edad del paciente o el tamaño de la masa.
