IA que anticipa riesgo de osteoartritis
Ver el desgaste cuando todavía se puede hacer algo.
El problema
La osteoartritis se diagnostica cuando ya duele, y en ese punto el cartílago perdido no se recupera. Los cambios tempranos existen en los estudios mucho antes, pero son sutiles: un adelgazamiento leve del cartílago, un osteofito incipiente, un cambio de densidad en el hueso subcondral. Detectarlos exige tiempo y experiencia con la que no siempre se cuenta.
Además, la lectura varía entre observadores. Dos especialistas pueden clasificar distinto la misma rodilla, y en un servicio con volumen alto de estudios los hallazgos leves son justamente los que se escapan porque la atención se va a lo evidente.
Qué construimos
Desarrollamos un modelo que analiza el estudio y marca sobre la propia imagen las zonas compatibles con cambios degenerativos: pérdida de espesor del cartílago por compartimento, osteofitos marginales, esclerosis subcondral y alteraciones de alineación. Entrega un índice de riesgo con su nivel de confianza y una estimación de severidad sobre la escala que el especialista ya usa.
El resultado llega como una capa sobre el estudio dentro del visor, con el mapa de calor y las mediciones cuantificadas, de modo que el especialista puede verificar cada hallazgo en lugar de aceptar un número. La herramienta prioriza los estudios que merecen segunda lectura y ofrece comparativa con estudios previos del mismo paciente para ver progresión. Es apoyo a la decisión: no diagnostica ni reemplaza el criterio médico, y todo informe lo firma el especialista.
Cómo funciona por dentro
El detalle técnico de la solución, por bloques. Si algo de esto no te dice nada, no importa: en la primera plática lo explicamos sin tecnicismos.
Datos y preparación
- Ingesta de estudios en DICOM desde el PACS del servicio
- Anonimización de los datos del paciente antes de cualquier procesamiento
- Normalización de intensidad y alineación para comparar estudios entre sí
Modelo
- Segmentación del cartílago y del hueso con arquitectura tipo U-Net 3D
- Clasificación de severidad entrenada sobre estudios etiquetados por especialistas
- Cuantificación de espesor de cartílago por compartimento en milímetros
- Estimación de incertidumbre, para señalar cuándo el modelo no está seguro
Explicabilidad
- Mapa de calor sobre la imagen que muestra en qué se basó el resultado
- Mediciones numéricas verificables por el especialista, no solo una etiqueta
- Comparativa con estudios previos del paciente y con referencia poblacional
Integración clínica
- Resultado como serie adicional dentro del visor, sin cambiar el flujo de trabajo
- Priorización de la lista de estudios por hallazgos relevantes
- Borrador de informe estructurado que el especialista revisa, corrige y firma
¿Quieres resolver algo parecido?
Cuéntanos qué te está costando tiempo o dinero hoy. Lo revisamos contigo sin costo y te decimos con honestidad si vale la pena resolverlo con tecnología o no.
Hablemos de tu proyectoSoluciones de inteligencia artificial
Aplicamos inteligencia artificial a problemas donde el volumen supera la revisión manual: imágenes que inspeccionar, documentos que clasificar o patrones que encontrar. El modelo aprende del criterio de tu operación y muestra en qué se basó.
Las imágenes de este proyecto fueron generadas con inteligencia artificial con la finalidad de no comprometer el proyecto real ni la información de nuestros clientes. Representan el funcionamiento de la solución, no capturas del sistema entregado.