DERMATOLOGÍA
Un ordenador portátil puede servir para detectar la esclerosis sistémica
Universidad de Houston · 13 abril 2021
La Universidad de Houston (Estados Unidos) informa acerca de una nueva arquitectura de red neuronal profunda que proporciona un diagnóstico precoz de la esclerosis sistémica, una rara enfermedad autoinmune caracterizada por el endurecimiento o la fibrosidad de la piel y los órganos internos. La red propuesta, implementada utilizando un ordenador portátil convencional puede diferenciar inmediatamente entre imágenes de piel sana y piel con esclerosis sistémica.
"Nuestro estudio preliminar, destinado a demostrar la eficacia de la arquitectura de red propuesta, es prometedor para la caracterización de la esclerosis sistémica", afirma Metin Akay. El trabajo se publica en IEEE Open Journal of Engineering in Medicine and Biology.
"Creemos que la arquitectura de red propuesta podría implementarse fácilmente en un entorno clínico, proporcionando una herramienta de detección simple, barata y precisa para la esclerosis sistémica", añaden los autores.
Para los pacientes con esclerosis sistémica el diagnóstico precoz es fundamental, pero a menudo es difícil. Varios estudios han demostrado que la afectación de órganos podría producirse mucho antes de lo esperado en la fase inicial de la enfermedad, pero el diagnóstico precoz y la determinación del grado de progresión de la enfermedad suponen un reto importante para los médicos, lo que provoca retrasos en la terapia y el manejo.
Para superar estas dificultades, Metin Akay y Yasemin Akay combinaron una arquitectura de red neuronal convolucional modificada, con capas añadidas, y desarrollaron un módulo de entrenamiento móvil. Los resultados mostraron que la arquitectura de aprendizaje profundo propuesta es superior y mejor que las redes neuronales convolucionales normales para la clasificación de imágenes de esclerosis sistémica.
"Después de un ajuste fino, nuestros resultados mostraron que la red propuesta alcanzó el 100 por cien de precisión en el conjunto de imágenes de entrenamiento, el 96,8 por ciento de precisión en el conjunto de imágenes de validación y el 95,2 por ciento en el conjunto de imágenes de prueba", apunta Yasmin Akay.
Referencia: IEEE Eng Med Biol. 2021 mar 18