Segmentación de la fascia toracolumbar en imágenes de ultrasonido: un enfoque de aprendizaje profundo

Antecedentes: Solo en los últimos años se ha demostrado que la fascia toracolumbar está involucrada en el dolor lumbar (LBP), destacando así sus implicaciones para los tratamientos. Además, una forma fácil de investigar la fascia en tiempo real es el examen de ultrasonido, que para ser confiable como está, debe superar los desafíos relacionados con la configuración de la máquina y la experiencia del operador. Por lo tanto, la falta de una comprensión clara del sistema fascial combinado con la penalización relacionada con la configuración de la adquisición de ultrasonido ha generado una brecha que dificulta su evaluación efectiva durante la rutina clínica. El objetivo del presente trabajo es llenar este vacío investigando la efectividad de utilizar un enfoque de aprendizaje profundo para segmentar la fascia toracolumbar de las imágenes de ultrasonido.

Métodos: Un total de 538 imágenes de ultrasonido de la fascia toracolumbar de los sujetos LBP finalmente se usaron para entrenar y probar una red de aprendizaje profundo. Se recogió un conjunto de pruebas adicional (el llamado conjunto de pruebas 2) de otro centro, operador, fabricante de máquinas, cohorte de pacientes y protocolo para mejorar la generalización del estudio.

Resultados: Se demostró que una arquitectura basada en U-Net podía segmentar estas estructuras con una precisión final de entrenamiento de 0.99 y una precisión de validación de 0.91. La precisión de la predicción calculada en un conjunto de pruebas (87 imágenes no incluidas en el conjunto de entrenamiento) alcanzó el 0.94, con una intersección media sobre el índice de unión de 0.82 y una puntuación de dados de 0.76. Estas últimas métricas fueron superadas por las del conjunto de pruebas 2. La validez de las predicciones también fue verificada y confirmada por dos médicos expertos.

Conclusiones: La identificación automática de la fascia toracolumbar ha mostrado resultados prometedores para investigar a fondo su alteración y dirigirse a una intervención de rehabilitación personalizada basada en cada escenario específico del paciente.