Aplicación Clínica de un Modelo de IA de CBCT de Baja Dosis

Resumen breve

El Tomógrafo de Rayos X de Cono (CBCT) es una modalidad de imagenología utilizada en angiografía digital de subtracto intervencionista (DSA). Produce imágenes tridimensionales mediante escaneo de rayos X de cono y reconstrucción por computadora. Clínicamente, el CBCT guía la punción para lesiones pulmonares y hepáticas y evalúa los resultados post-intervención en cáncer de hígado y enfermedades cerebrovasculares. Sin embargo, las intervenciones guiadas por CBCT conllevan una alta exposición a la radiación del paciente; la reducción de la dosis a menudo degrada la calidad de la imagen y deteriora los resultados del procedimiento. Los estudios reportan que cada aumento de 100 mGy en la radiación eleva el riesgo de cáncer en un factor de 1.96. La inteligencia artificial permite el CBCT de baja dosis. Nuestro modelo previo DeepPriorCBCT integró prioridades anatómicas utilizando el aprendizaje de representación discreta neuronal, reduciendo la dosis del CBCT torácico a una sexta parte de los protocolos habituales mientras se preserva la calidad de la imagen. Desarrollamos posteriormente DeepPriorCBCT-V2 utilizando 55,000 conjuntos de datos de CBCT pre-reconstrucción que cubren el cerebro, el tórax y el abdomen. Este modelo multi-órgano mantiene la calidad de la imagen a una sexta parte de la dosis estándar de radiación. Sin embargo, su desempeño clínico en el mundo real sigue sin ser validado. Por lo tanto, diseñamos este ensayo prospectivo multicéntrico aleatorizado controlado para evaluar la aplicabilidad clínica de DeepPriorCBCT-V2.