>

"VertebrAI: transformando la neurocirugía en el Hospital Italiano de Buenos Aires"

Ing. Bruno Cruz Franchi

La evaluación de la alineación espinal de la columna vertebral es uno de los factores más importantes a tener en cuenta en todo paciente antes de una cirugía de columna. La alteración en la curvatura normal de la columna vertebral en el plano sagital, también conocido como desequilibrio sagital, puede provocar dolor lumbar, dificultad para realizar las tareas cotidianas y una disminución de la calidad de vida. Es por esto que dicha información preoperatoria puede determinar la necesidad de llevar a cabo correcciones del balance sagital en el planeamiento quirúrgico.

A lo largo de los años, se han desarrollado y validado diferentes parámetros de alineación que se miden en radiografías laterales de columna (espinogramas) para evaluar la armonía espinopélvica y el equilibrio sagital de la columna vertebral. Inclusive, se ha demostrado en múltiples estudios que utilizar estas mediciones muestra gran correlación con una mejor calidad de vida y pronóstico de las cirugías correctivas.

En el entorno clínico, la medición de los parámetros globales de la columna en los espinogramas no se incluye usualmente como parte del informe radiológico, sino que se realiza de forma manual por el especialista en neurocirugía, por lo que requiere tiempo y puede presentar una alta variabilidad. Ante dichas problemáticas se planteó la idea de desarrollar una herramienta asistencial basada en aprendizaje profundo (Deep Learning) para el cálculo automático de los 20 parámetros de alineación de la columna más utilizados a partir de un espinograma lateral.

Esta idea fue desarrollada por el Servicio de Neurocirugía, el Servicio de Diagnóstico por Imágenes y el Departamento de Informática en Salud en el marco del Programa de Inteligencia Artificial en Salud del Hospital Italiano de Buenos Aires, también conocido como pIASHIBA. Esta propuesta se presentó ante AO Spine Foundation, una organización global dedicada a la formación e investigación innovadoras en el cuidado de la columna vertebral, la cual concedió una subvención para el desarrollo del proyecto. 

Así fue como se dio inicio al desarrollo de Vertebrai, una herramienta asistencial para el cálculo automático de parámetros espinopélvicos. Su nombre proviene de la palabra vertebrae en inglés, que significa vértebras, y las siglas AI que corresponden a Artificial Intelligence. La combinación de estos términos refleja la naturaleza del proyecto, ya que se trata de una aplicación de inteligencia artificial para el análisis y la mejora del cuidado de la columna vertebral del paciente.

Los proyectos desarrollados en el marco de pIASHIBA se llevan adelante por equipos multidisciplinarios permitiendo la creación de herramientas que ofrecen soluciones a las necesidades de los usuarios y que mejoran la calidad de la atención. Además cuentan con experiencia en el desarrollo e implementación de otras, tales como Artemisia para la categorización de densidad mamaria en mamografías, y TRx para la detección de hallazgos en radiografías de tórax.

El equipo de Vertebrai está integrado por médicos del Servicio de Neurocirugía, médicos especialistas del Servicio de Diagnóstico por Imágenes, profesionales del sector de Informática Clínica, y bioingenieros de pIASHIBA enfocados en el desarrollo de modelos de Inteligencia Artificial (IA) y en el software de la aplicación.

El desarrollo

La primera etapa del proyecto de Vertebrai consistió en el diseño de un flujo de anotación de espinogramas para crear un conjunto de datos institucional. Estos, posteriormente se utilizaron para el entrenamiento de los algoritmos de IA. El flujo de anotación contó con la participación de tres médicos referentes del Servicio de Neurocirugía. Ellos tuvieron la tarea de anotar treinta y un puntos anatómicos de referencia en los espinogramas del conjunto de datos.

Una vez que se obtuvo una cantidad suficiente de imágenes con anotaciones, se procedió al desarrollo de modelos de IA para la detección de los puntos anatómicos. Para ello, se llevó a cabo una revisión bibliográfica del estado del arte en relación al problema que se debía abordar, en este caso, la detección de puntos específicos en una imagen. Después de recopilar la información teórica, se avanzó al desarrollo de prototipos para los diferentes algoritmos descritos en la literatura y a la selección de métricas relevantes para determinar el rendimiento de los modelos. Las arquitecturas seleccionadas, junto con el conjunto de datos creado, marcaron el inicio de la etapa de entrenamiento y selección de los algoritmos con mejor rendimiento.

Los resultados preliminares obtenidos en esta etapa de entrenamiento del proyecto se presentaron en el Simposio Anual organizado por la American Medical Informatics Association (AMIA) y fueron seleccionados para su presentación en el mes de noviembre de 2023.

El sistema obtenido se validó mediante un estudio de investigación que es una de las etapas esenciales en los proyectos de pIASHIBA: la Prueba de Concepto (proof-of-concept o PoC). El objetivo de la PoC es evaluar el rendimiento y la utilidad clínica de la herramienta en un ámbito que simula con mayor fidelidad el escenario de aplicación final. En el contexto de este proyecto, la PoC buscó replicar las condiciones del mundo real para comparar el tiempo que tardan los neurocirujanos en medir los parámetros de alineación espinal siguiendo su flujo de trabajo habitual, con el tiempo que tardan si reciben asistencia del sistema de IA para esta tarea.

En esta etapa se determinó que el uso de la herramienta Vertebrai permite una reducción significativa en los tiempos de medición. Además, se encontró un aumento en la concordancia de los parámetros medidos por los neurocirujanos y, por lo tanto, en su confiabilidad.

Actualmente, se está trabajando en diferentes diseños para implementar la herramienta en el flujo clínico del hospital, y así sumar a Vertebrai al conjunto de aplicaciones de IA que ya se están utilizando en procesos asistenciales. La planificación y gestión exitosa del proyecto es un claro ejemplo de la madurez que ha adquirido el equipo de pIASHIBA para diseñar y llevar adelante el desarrollo e implementación de herramientas de asistencia con IA para especialistas.