Diseño y evaluacion de un sistema de inteligencia artificial (IA) basado en redes neuronales convolucionales (CNN) para la detección y clasificación de nódulo tiroideo por ultrasonido

Abstract

Debido a los avances de medicina y al diseño e implementación de sistemas de inteligencia artificial, con la capacidad de detectar enfermedades, los expertos emplean los sistemas de asistencia por computador con un aliado en la toma de decisiones para el diagnóstico de enfermedades como el Cáncer de la Tiroides. El trabajo de grado tuvo como objeto el diseño de un algoritmo basados en Redes Neuronales Convolucionales con la capacidad de detectar el nivel de riesgo en malignidad de un nódulo tiroideo, a partir de imágenes por ultrasonido, esto al emplear como base la clasificación EU TIRADS 2017. El trabajo se inició con la caracterización y clasificación de imágenes de los distintos tipos de nódulos tiroideos, a partir la experiencia de médicos con expertos en la identificación del grado de benignidad y malignidad de un nódulo tiroideo, al tener en cuenta el sistema clasificación EU TIRADS 2017, esto con el fin de generar una base de datos de imágenes apropiada para el proyecto. Se realizó el diseño de una red neuronal convolucional, con la ayuda del software matemático MATLAB 2021b, para el proceso de aprendizaje se logró obtener una base de imágenes de DICOM, que fue llevada a formato JPG, se obtuvo un total de 21.000 imágenes extraídas de equipos del ultrasonido del Servicio de Radiología (TOSHIBA APLIO 300,400) y del servidor del servicio de Radiología., de las cuales 17.000 se utilizaron en las fases de aprendizaje y entrenamiento, 4.000 para validación del algoritmo diseñada y 300 para el proceso de evaluación del desempeño de modelo diseñado. Se evaluó la variabilidad interobservador, se llevó a cabo un proceso de establecimiento de la precisión que ofrece el modelo para detectar y categorizar las imágenes de tiroides, esto a partir de pruebas estadísticas, y al compararlo con la clasificación de radiólogos con distintos niveles de experiencia. Para la comparativa con los radiólogos se llevaron a cabo dos sesiones de 75 imágenes, las cuales fueron presentadas de forma aleatoria, se empleó un radiólogo Senior con más de 10 años de experiencia, un radiólogo Junior con una experiencia menor a 10 años y un radiólogo residente de último año, los resultados obtenidos se entregaron a un epidemiólogo para su evaluación mediante el software estadístico Stata V14. Al tener en cuenta los resultados obtenidos el algoritmo desarrollado con Redes Neuronales Convolucionales una precisión de 0.995%, con un VPP de 0.97; el radiólogo senior una precisión de 97.05% y un VPP de 0.908; para el radiólogo junior la precisión fue de 90.84%, con un VPP de 1.0; y finalmente el radiólogo residente de último año tuvo un accuracy de 96.75%, con un VPP de 0.9624. Esto muestra en el sistema de IA con Redes Neuronales Convolucionales se puede emplear como una herramienta de apoyo a los radiólogos, para diagnóstico y valoración del nivel de benignidad o malignidad de nódulos tiroideos.