Predicción impulsada por aprendizaje profundo de la gravedad de la lesión medular pediátrica utilizando un análisis estructural de MRI integral

Motivación: Diagnosticar lesiones medulares pediátricas (SCI) es un desafío debido a las limitaciones en las evaluaciones clínicas actuales. Objetivo(s): Nuestro estudio investiga cómo los cambios estructurales en la médula espinal pediátrica pueden predecir la gravedad de la SCI, utilizando mediciones transversales y aprendizaje profundo para la clasificación de la Escala de Discapacidad ASIA. Enfoque: Analizamos datos de MRI de la médula espinal de 61 sujetos pediátricos, midiendo el área transversal, las anchuras anteroposteriores y derecha-izquierda en los niveles vertebrales. Se entrenó una red neuronal convolucional con estas características estructurales, combinadas con edad y altura. Resultados: El modelo alcanzó una precisión del 96.6% en la clasificación de la SCI y una precisión del 94.9% en la predicción de categorías ASIA, identificando diferencias estructurales significativas entre los grupos de SCI y TD. Impacto: Esta investigación identifica biomarcadores de MRI estructural para la gravedad de la SCI pediátrica, ofreciendo una herramienta precisa para evaluar la gravedad de la lesión. El enfoque ofrece a los clínicos una herramienta potencial para una evaluación refinada de las lesiones y establece una base para futuros avances en la gestión de la SCI pediátrica.