IA y embarazo: estimar la edad gestacional a partir de ecografías

La edad gestacional permite situar el embarazo en el tiempo y orientar el seguimiento prenatal. En el primer trimestre se utiliza habitualmente la longitud cráneo-rabadilla; más adelante se emplean medidas como el diámetro biparietal, la circunferencia craneal y la longitud del fémur. La precisión de la estimación disminuye conforme avanza el embarazo.

El estudio citado explora si el análisis automático de una ecografía cerebral fetal puede complementar las medidas biométricas habituales. Utiliza imágenes del plano axial transtalámico y compara las estimaciones con las fórmulas empleadas en la práctica clínica.

El método, conocido como quantusGA, se desarrolló con técnicas de deep learning a partir de imágenes de 1.394 pacientes. Las anotaciones de especialistas ayudaron a localizar y orientar el cerebro fetal en las imágenes.

La ilustración resume el funcionamiento de quantusGA.

El sistema recibe una imagen de ultrasonido del cerebro fetal en formato DICOM y produce una estimación automática de la edad gestacional, expresada en días.

La descripción original del proyecto indica que se implementó en Python. El procesamiento localiza y orienta el cráneo fetal, recorta la región de interés y analiza la textura y el tamaño del cerebro para estimar la edad gestacional.

La evaluación se centró en el segundo y tercer trimestre, no en el segundo y tercer mes. La combinación de IA y biometría obtuvo errores similares o menores que la biometría por sí sola, especialmente en el tercer trimestre. Estos resultados justifican continuar investigando; no implican que cualquier sistema de IA mejore cualquier diagnóstico fetal.

La edad gestacional orienta decisiones sobre el parto y la atención antes y después del nacimiento. Una estimación más precisa podría apoyar al equipo clínico, especialmente si no se dispone de una ecografía temprana. El método busca complementar la información disponible. Su utilidad y generalización deben evaluarse en otros contextos antes de atribuirle beneficios clínicos más amplios.

Entre las posibles líneas de evaluación futura están:

• Apoyo al seguimiento prenatal
• Comunicación más clara de la incertidumbre de la estimación
• Evaluación de los resultados maternos y fetales, que este estudio no demuestra mejorar
• Validación en poblaciones y equipos de ultrasonido diferentes

Consultar el estudio original

Bibliografía:

Xavier P Burgos-Artizzu, David Coronado-Gutiérrez, Brenda Valenzuela-Alcaraz, Kilian Vellvé, Elisenda Eixarch, Fatima Crispi, Elisenda Bonet-Carne, Mar Bennasar, Eduard Gratacos. Analysis of maturation features in fetal brain ultrasound via artificial intelligence for the estimation of gestational age. Am J Obstet Gynecol MFM. 2021;3(6):100462. Publicado online el 14 de agosto de 2021. DOI: 10.1016/j.ajogmf.2021.100462.

Autoría

Eva Arnall

Saturdays.AI

Saturdays.AI es una comunidad abierta donde aprendemos inteligencia artificial, colaboramos y creamos proyectos con impacto social.