Loading...

quantusOS

ANÁLISIS Y CLASIFICACIÓN DE RADIOGRAFÍAS PARA LA DETECCIÓN AUTOMÁTICA DE OSTEOPOROSIS

A partir de una radiografía de cadera en vista AP (anteroposterior), siendo válida la vista de cadera completa (dos fémures) o media cadera (un fémur), es capaz de detectar el riesgo de osteoporosis. Su tecnología está basada en el análisis cuantitativo de la textura de los fémures.

Sistema de clasificación aplicado en quantusOS

  • Clase 1: >98.15% Especifidad
  • Clase 2: >90.74% Especifidad
  • Clase 3: >55.56% Especifidad
  • Clase 4: >90.95% Sensibilidad
  • Clase 5: >98.05% Sensibilidad

El sistema determina, a partir de varios umbrales cada uno con unos valores de sensibilidad, especificidad y valores predictivos positivo y negativo que mostramos a continuación, la probabilidad de que una muestra sea positiva en función de los falsos positivos detectados en la muestra de entrenamiento.

Por ejemplo, una imagen clasificada como "Clase 5" se considera positiva segura dado que, con el umbral escogido la aparición de falsos positivos (muestras negativas que se catalogan como positivas) es del 2% (especificidad 98%), por lo que los positivos que predice el sistema serán verdaderos positivos. En este caso si tenemos que el número de falsos negativos (muestras positivas que se catalogan como negativas) es mayor que en las demás clases de menor malignidad (sensibilidad baja).

Si una imagen no se clasifica como "Clase 5" el sistema pasa a revisar si pertenece a una clase de menor malignidad, que sería la "Clase 4"

Una muestra clasificada como "Clase 4" se considera como con alta probabilidad de malignidad dado que, con el umbral escogido la aparición de falsos positivos (muestras negativas que se catalogan como positivas) es menor del 10% (especificidad > 90%), por lo que la mayoría de los positivos que predice el sistema serán verdaderos positivos. En este caso si tenemos que el número de falsos negativos (muestras positivas que se catalogan como negativas) es mayor que en otras clases de menor malignidad, pero menor de la "Clase 5" que es de mayor malignidad (sensibilidad no tan baja).

Si la imagen tampoco se clasifica como "Clase 4", se repite el proceso para cada una de las clases de menor malignidad, hasta que se llega a la "Clase 1" que se considera benigna.

La "Clase 1" se considera benigna por el mismo argumento que el explicado para la "Clase 5", pero usando los valores de sensibilidad (al 98%) y valor predictivo negativo (especificidad más baja).

Por tanto, el sistema determina la clase de mayor malignidad a la que pertenece la imagen a analizar y es la que se indica en el informe correspondiente.

Tabla comparativa de la fiabilidad de quantusOS por cada categoría

Clase 1 Clase 2 Clase 3 Clase 4 Clase 5
Sens / Spec Global * 98.05% / 24.07% 90.95% / 55.56% 55.99% / 90.74% 31.34% / 98.15%
Sens (Osteopenia vs Osteoporosis) 100.0% / 96.55% 97.44% / 85.96% 76.28% / 40.39% 50.96% / 16.26%
VPP / VPN ** 89.57% / 65.00% 93.15% / 48.00% 97.57% / 23.67% 99.11% / 17.69%
* Sens: Sensibilidad Spec: Especificidad
** VPP: Valor predictivo positivo VPN: Valor predictivo negativo

¿Por qué funciona quantusOS?

quantusOS se presenta como un novedoso método de Inteligencia Artificial basado en Deep Learning de última generación, con 3 algoritmos de clasificación distintos: como la división de imágenes en fémures simples, la exclusión de fémures con prótesis y el recorte de las imágenes por la parte superior del fémur, con el fin de mejorar el entrenamiento del algoritmo de predicción.

Su tecnología se basa en realizar un análisis cuantitativo de la radiografía. Este análisis permite identificar patrones, ayudando así a la identificación automática de osteoporosis.

quantusOS:



No Invasivo


Fiable


Rápido