Sistema de auditoría automática para la exploración endoscópica del estómago con Inteligencia Artificial – Gastro UNAL: Gastroendoscopy UNit for Automatic Labeling
| Title: | Sistema de auditoría automática para la exploración endoscópica del estómago con Inteligencia Artificial – Gastro UNAL: Gastroendoscopy UNit for Automatic Labeling |
|---|---|
| Authors: | Martín Alonso Gómez Zuleta, Diego Fernando Bravo Higuera, Josué Andre Ruano Balseca, María Jaramillo González, Fabio Augusto González Osorio, Edgar Eduardo Romero Castro |
| Source: | Revista Colombiana de Gastroenterología, Vol 39, Iss 2 (2024) |
| Publisher Information: | Asociación Colombiana de Gastroenterología, 2024. |
| Publication Year: | 2024 |
| Collection: | LCC:Diseases of the digestive system. Gastroenterology |
| Subject Terms: | Esofagogastroduodenoscopia, Inteligencia artificial, puntos ciegos de diagnóstico, red neural, Diseases of the digestive system. Gastroenterology, RC799-869 |
| More Details: | Introducción: la endoscopia digestiva alta es el método estándar para diagnosticar el cáncer gástrico en etapas tempranas. Sin embargo, su precisión puede verse afectada por la variabilidad en su realización, y se estiman hasta 20% de tumores no detectados. En Colombia, la mayoría de los diagnósticos se realizan en etapas avanzadas, lo que agrava el problema. Para abordar la variabilidad, se han propuesto protocolos con el fin de asegurar la observación completa de áreas propensas a lesiones premalignas. Objetivo: construir y validar un sistema de auditoría automática para endoscopias usando técnicas de inteligencia artificial. Metodología: en este estudio, 96 pacientes de un hospital universitario se sometieron a endoscopias documentadas en video, abarcando 22 estaciones reorganizadas para minimizar solapamientos y mejorar la identificación de 13 regiones gástricas clave. Se utilizó una red convolucional avanzada para procesar las imágenes, extrayendo características visuales, lo que facilitó el entrenamiento de la inteligencia artificial en la clasificación de estas áreas. Resultados: el modelo, llamado Gastro UNAL, fue entrenado y validado con imágenes de 67 pacientes (70% de los casos) y probado con 29 pacientes distintos (30% de los casos), con lo que alcanzó una sensibilidad promedio del 85,5% y una especificidad del 98,8% en la detección de las 13 regiones gástricas. Conclusiones: la eficacia del modelo sugiere su potencial para asegurar la calidad y precisión de las endoscopias. Este enfoque podría confirmar las regiones evaluadas, alertando puntos ciegos en la exploración a los endoscopistas con menos experiencia o en entrenamiento, de tal forma que se aumente la calidad de estos procedimientos. |
| Document Type: | article |
| File Description: | electronic resource |
| Language: | English Spanish; Castilian |
| ISSN: | 25007440 2500-7440 |
| Relation: | https://revistagastrocol.com/index.php/rcg/article/view/1163; https://doaj.org/toc/2500-7440 |
| DOI: | 10.22516/25007440.1163 |
| Access URL: | https://doaj.org/article/ad03974a293e4c2791c2512a5c2d0dd3 |
| Accession Number: | edsdoj.03974a293e4c2791c2512a5c2d0dd3 |
| Database: | Directory of Open Access Journals |
| ISSN: | 25007440 |
|---|---|
| DOI: | 10.22516/25007440.1163 |
| Published in: | Revista Colombiana de Gastroenterología |
| Language: | English Spanish; Castilian |