Investigadores desarrollan un modelo de difusión para convertir radiografías 2D en imágenes 3D y mejorar la detección de coágulos sanguíneos en los pulmones.
La embolia pulmonar (EP) es una condición médica potencialmente mortal que ocurre cuando una arteria en los pulmones se bloquea, usualmente por un coágulo sanguíneo. Su diagnóstico requiere imágenes avanzadas como la tomografía computarizada con angiografía pulmonar (CTPA, en inglés), que no siempre está disponible en hospitales con recursos limitados. Un nuevo estudio publicado en npj Digital Medicine journal propone una innovadora solución basada en inteligencia artificial que podría cambiar ese panorama.
Investigadores desarrollaron X-ray2CTPA, un modelo de difusión generativa entrenado para transformar imágenes de rayos X de tórax en representaciones que imitan una tomografía computarizada, con el objetivo de mejorar la clasificación de embolia pulmonar sin necesidad de realizar un CTPA real.
En este sentido, este modelo convierte radiografías de tórax en imágenes tridimensionales similares a las de una CTPA. Este enfoque innovador busca mejorar la detección de la EP, condición potencialmente mortal que es causada por coágulos sanguíneos en los pulmones, utilizando tecnología más accesible y con menor riesgo para los pacientes.
La embolia pulmonar representa un desafío diagnóstico complejo. Mientras las radiografías de tórax (CXR) son ampliamente utilizadas por su bajo costo y rápida disponibilidad, su naturaleza bidimensional y limitado contraste dificultan la identificación de coágulos. Por otro lado, las CTPA, consideradas el estándar de oro, proporcionan imágenes detalladas en 3D pero conllevan mayores costos, exposición a radiación y requisitos técnicos, además de que solo entre el 5% y 15% de estos exámenes confirman la presencia de EP.
Frente a esta problemática, el equipo de investigación presentó X-ray2CTPA, un modelo basado en difusión generativa, una técnica de AI que crea datos nuevos a partir de ejemplos existentes. El sistema fue entrenado con un conjunto único de 900 pares de imágenes, CXR y CTPA, obtenidas de pacientes con sospecha de EP en un plazo máximo de 24 horas. Esta coincidencia temporal permitió al modelo aprender patrones anatómicos precisos y correlaciones entre ambas modalidades de imagen.
Los resultados publicados muestran avances significativos. En pruebas de clasificación de EP, el modelo logró un área bajo la curva (AUC, en inglés) de 0.803, superando el rendimiento de las radiografías convencionales (AUC: 0.691) y acercándose al desempeño de las CTPA reales (AUC: 0.90). Además, mejoró la especificidad, es decir la capacidad para descartar falsos positivos, lo que podría reducir la necesidad de CTPA innecesarias en pacientes de bajo riesgo.
Aunque las imágenes generadas no reemplazan a las CTPA reales, los expertos destacan su utilidad como herramienta de triaje. En un estudio piloto, radiólogos que evaluaron tanto CXRs como las CTPA sintéticas incrementaron su precisión diagnóstica del 50% al 75%, demostrando que las reconstrucciones 3D proporcionan información crítica ausente en las radiografías tradicionales.
Uno de los principales beneficios de este enfoque es su potencial para mejorar la capacidad diagnóstica en regiones donde no se cuenta con equipos de tomografía avanzada, permitiendo una evaluación más efectiva a partir de una simple radiografía. Asimismo, el modelo no solo generó imágenes más informativas, sino que también mejoró significativamente el rendimiento de los clasificadores de embolia pulmonar, logrando métricas superiores en precisión y sensibilidad cuando se utilizaban las imágenes generadas en lugar de las originales.
