Clasificación Avanzada de Artrosis de Rodilla Utilizando Tecnologías de Inteligencia Artificial
Resumen
Introducción: La osteoartrosis (OA) de rodilla es una de las enfermedades musculoesqueléticas más prevalentes y debilitantes, con una alta incidencia en la población adulta mayor.
Objetivo: En este estudio, se investigó el uso de inteligencia artificial (IA) y visión por computadora para la detección y clasificación automatizada de la artrosis de rodilla, utilizando la escala de Kellgren-Lawrence (KL) como referencia. El objetivo fue desarrollar un sistema automatizado para este propósito y evaluar su precisión en la clasificación de la severidad de la enfermedad.
Material y Métodos: Se utilizó un conjunto de datos público que incluía imágenes radiográficas de rodillas con diferentes grados de artrosis, previamente clasificadas según la escala KL. Las imágenes fueron procesadas utilizando el software LandingLens, una plataforma avanzada de visión por computadora que facilita el desarrollo y la implementación de modelos de IA. Se desarrolló un modelo de aprendizaje automático basado en la arquitectura ConvNext, una red neuronal convolucional, entrenado con 995 imágenes y evaluado con 240 imágenes de testeo.
Resultados: El modelo demostró una precisión global del 94.33% en la clasificación de la artrosis de rodilla según la escala KL, con una sensibilidad del 93.33%. La precisión por clase fue del 97.87% para el grado 0, 79.74% para el grado 1, 88.68% para el grado 2, 94.04% para el grado 3 y 99.42% para el grado 4. Estos resultados indican la capacidad del modelo para distinguir entre los diferentes grados de severidad de la artrosis con alta precisión.
Conclusión: En conclusión, este estudio demuestra la eficacia de la IA y la visión por computadora en la detección automatizada de la artrosis de rodilla, ofreciendo una herramienta precisa y confiable para los médicos en el diagnóstico de la enfermedad. La integración de estas tecnologías en la práctica clínica tiene el potencial de mejorar la eficiencia y la consistencia en la evaluación de los pacientes, lo que podría conducir a mejores resultados clínicos y una atención médica más personalizada.
