Un marco de aprendizaje profundo que combina redes neuronales convolucionales y transformadores de visión logró clasificar la degeneración discal lumbar con una precisión del 95 % en imágenes de resonancia magnética, superando a arquitecturas previas como AlexNet y VGG-16. Aunque los resultados son prometedores, los propios autores subrayan que se requiere validación externa independiente antes de cualquier aplicación clínica.
Qué se estudió: inteligencia artificial para graduar la degeneración discal lumbar en resonancia magnética
La degeneración discal lumbar (DDL) es una de las causas estructurales más frecuentes del dolor lumbar crónico. Su valoración mediante resonancia magnética (RM) se realiza habitualmente de forma manual, aplicando la escala de Pfirrmann —un sistema de cinco grados que clasifica el estado del disco intervertebral según señal, estructura, altura y distinción anular-nuclear—. Este proceso consume tiempo, está sujeto a variabilidad entre observadores y se convierte en un cuello de botella cuando los volúmenes de imagen son elevados.
El estudio describe un protocolo reproducible basado en un marco distribuido que combina dos tipos de arquitecturas de inteligencia artificial: una red neuronal convolucional (Convolutional Neural Network, CNN) y un transformador de visión (Vision Transformer, ViT). La CNN empleada —ResNet-50— extrae características espaciales locales (textura, bordes, límites del disco), mientras que el ViT modela relaciones globales entre distintos niveles vertebrales mediante un mecanismo de autoatención. Para el almacenamiento y el entrenamiento distribuido se utilizaron el sistema de archivos distribuido Hadoop (Hadoop Distributed File System, HDFS) y Apache Spark.
El conjunto de datos estuvo compuesto por 5.000 cortes sagitales en secuencia T2 de RM lumbar, provenientes de 625 pacientes y etiquetados por expertos según la escala de Pfirrmann. La partición de los datos se realizó a nivel de paciente —es decir, ningún paciente aportó imágenes a más de un subconjunto— en conjuntos estratificados de entrenamiento, validación y prueba. Cada imagen fue redimensionada a 224 × 224 píxeles, normalizada en intensidad y aumentada (solo durante el entrenamiento). El desequilibrio entre clases se abordó con una función de pérdida de entropía cruzada ponderada.
Resultados: rendimiento diagnóstico en la discriminación entre disco normal y degenerado
La evaluación se realizó sobre un subconjunto de prueba de 100 cortes independientes. El marco CNN+ViT alcanzó los siguientes resultados en la discriminación binaria entre disco normal y disco degenerado:
| Modelo | Precisión | Exhaustividad (Recall) | F1-score | Exactitud (Accuracy) |
|---|---|---|---|---|
| CNN+ViT (propuesto) | 95,9 % | 94,0 % | 94,9 % | 95,0 % |
| VGG-16 | — | — | 90,9 % | — |
| AlexNet | — | — | 88,9 % | — |
El orden de los tres modelos se mantuvo al ampliar el subconjunto de prueba a 200 y 300 cortes, lo que sugiere estabilidad en el rendimiento relativo. Respecto a la eficiencia computacional, el entrenamiento distribuido en cuatro nodos redujo el tiempo de cómputo entre 1,60 y 2,26 veces en comparación con un único nodo, sin modificar el proceso de clasificación.
Qué significa para la práctica clínica en fisioterapia y rehabilitación
El problema que este sistema intenta resolver
En la práctica clínica diaria, la gradación de la DDL mediante la escala de Pfirrmann depende de la experiencia del radiólogo o del clínico que interpreta la imagen. La variabilidad interobservador es conocida y puede influir en la toma de decisiones terapéuticas: la misma imagen puede recibir grados distintos según quién la evalúe. Un sistema automatizado que clasifique con alta reproducibilidad podría, en principio, estandarizar este paso del proceso diagnóstico.
Implicaciones para la evaluación clínica
Si en el futuro este tipo de herramientas supera la validación externa y se integra en los flujos de trabajo radiológicos, los fisioterapeutas y kinesiólogos que trabajan con informes de RM podrían recibir una gradación más estandarizada y trazable de la DDL. Esto facilitaría la correlación entre el grado de degeneración estructural y los hallazgos de la exploración física —como los patrones de dolor, la limitación del movimiento lumbar o los signos neurológicos— y apoyaría la planificación del tratamiento.
Sin embargo, conviene recordar que la correlación entre el grado de degeneración discal en imagen y la sintomatología clínica es variable e imperfecta. Un disco clasificado como degenerado en la escala de Pfirrmann no implica necesariamente dolor ni discapacidad. Por tanto, la automatización de la gradación no reemplaza la evaluación clínica integral del paciente.
Aplicación en poblaciones con dolor lumbar crónico
El estudio no incluyó datos clínicos de los pacientes —más allá de las imágenes etiquetadas—, por lo que no es posible extraer conclusiones sobre qué perfiles de paciente se beneficiarían más de esta tecnología. No obstante, la población objeto del sistema —pacientes con sospecha o diagnóstico de DDL evaluados mediante RM lumbar— coincide con un grupo frecuente en las consultas de rehabilitación: personas con dolor lumbar crónico de origen mecánico-degenerativo.
En este contexto, una herramienta que acelere y homogeneice la gradación estructural podría resultar útil en unidades de rehabilitación de alta carga asistencial, donde el tiempo dedicado al análisis de imagen es limitado y la coordinación con radiología es variable.
Precauciones antes de considerar cualquier aplicación clínica
Los autores son explícitos: se requiere validación externa independiente antes de cualquier uso clínico. Este punto es fundamental. El sistema fue entrenado y evaluado en un conjunto cerrado de imágenes procedentes de 625 pacientes, sin especificarse el origen, la población ni el equipamiento de RM utilizado. Los modelos de aprendizaje profundo pueden mostrar caídas de rendimiento significativas al aplicarse en imágenes adquiridas con equipos, protocolos o poblaciones distintos a los del entrenamiento (problema conocido como domain shift).
Conviene además tener en cuenta que la tarea evaluada es binaria —disco normal versus degenerado—, lo que simplifica considerablemente el problema respecto a la gradación completa en cinco niveles de Pfirrmann. El rendimiento clínico en una clasificación multiclase podría diferir de los resultados aquí reportados.
Aceleración del flujo diagnóstico en entornos de alto volumen
La reducción del tiempo de entrenamiento en un factor de 1,60 a 2,26 mediante el procesamiento distribuido tiene relevancia técnica para el escalado del sistema, aunque no impacta directamente en la práctica clínica cotidiana. Lo que sí podría ser relevante para los servicios de rehabilitación es la posibilidad de procesar grandes volúmenes de imágenes con mayor rapidez, especialmente en contextos de telemedicina o programas de cribado.
Limitaciones del estudio
- El conjunto de datos es relativamente pequeño (625 pacientes, 5.000 cortes) y proviene de una única fuente no especificada, lo que limita la generalización.
- La tarea evaluada es binaria (normal vs. degenerado), no la gradación completa de Pfirrmann en cinco categorías.
- No se proporcionan datos clínicos de los pacientes: edad, sexo, sintomatología, nivel de discapacidad u otros factores relevantes para la práctica clínica.
- No se realizó validación externa en conjuntos de datos independientes ni en diferentes centros o equipos de RM.
- El artículo describe un protocolo de investigación reproducible, no un ensayo clínico ni un estudio de precisión diagnóstica con un estándar de referencia clínico.
- Los propios autores reconocen que la validación externa es imprescindible antes de cualquier implementación clínica.
Conclusiones aplicables para fisioterapeutas y kinesiólogos
- Un marco de aprendizaje profundo que combina CNN y ViT logró clasificar discos lumbares degenerados con un F1-score del 94,9 % y una exactitud del 95,0 % en un conjunto de prueba interno, superando a arquitecturas comparadas bajo el mismo protocolo.
- La herramienta está diseñada para estandarizar y acelerar la gradación de la DDL en RM, un proceso actualmente manual y sujeto a variabilidad interobservador.
- En su estado actual, el sistema es un protocolo de investigación. No está validado para uso clínico y los autores lo indican explícitamente.
- El rendimiento en clasificación binaria no es extrapolable directamente a la gradación multiclase de Pfirrmann, que es la que habitualmente orienta las decisiones clínicas.
- La automatización de la gradación estructural no reemplaza la evaluación clínica integral: la correlación entre grado de degeneración en imagen y sintomatología es variable.
- Si en el futuro este tipo de herramientas supera la validación externa multicéntrica, podría apoyar la planificación del tratamiento rehabilitador al ofrecer una gradación más homogénea y trazable de la DDL.
