Detección automatizada de edema de médula ósea espinal en espondiloartritis axial: entrenamiento y validación utilizando dos grandes conjuntos de datos de ensayos de fase 3

OBJETIVO: Evaluar el rendimiento de los modelos de aprendizaje automático (ML) para la puntuación automatizada de edema de médula ósea (BMO) en resonancias magnéticas espinales en pacientes con espondiloartritis axial (axSpA) y compararlos con la puntuación de expertos. MÉTODOS: Se entrenaron y validaron algoritmos de ML utilizando el software SpineNet en 3483 resonancias magnéticas espinales de 686 pacientes con axSpA a través de dos conjuntos de datos de ensayos clínicos. El proceso de puntuación involucró (i) detección y etiquetado de cuerpos vertebrales y (ii) clasificación de unidades vertebrales para la presencia o ausencia de BMO. Se probaron dos modelos: Modelo 1, sin segmentación manual, y Modelo 2, incorporando un paso intermedio de segmentación manual. Las salidas de los modelos se compararon con las de expertos humanos utilizando estadísticas kappa, precisión equilibrada, sensibilidad, especificidad y AUC. RESULTADOS: Ambos modelos tuvieron un rendimiento comparable al de los lectores expertos, respecto a la presencia vs ausencia de BMO. El Modelo 1 superó al Modelo 2, con un AUC de 0.94 (vs 0.88), precisión del 75.8% (vs 70.5%) y kappa de 0.50 (vs 0.31) utilizando la puntuación de consenso absoluto de lectores como referencia externa; este rendimiento fue similar a la precisión inter-lector de expertos del 76.8% y kappa de 0.47 en un conjunto de datos radiográficos de axSpA. En un conjunto de datos no radiográfico de axSpA, el Modelo 1 logró un AUC de 0.97 (vs 0.91 para el Modelo 2), precisión del 74.6% (vs 70%) y kappa de 0.52 (vs 0.27), comparable a la precisión inter-lector de expertos del 74.2% y kappa de 0.46. CONCLUSIÓN: El software de ML muestra potencial para la evaluación automatizada de BMO en resonancias magnéticas en axSpA, ofreciendo beneficios como mayor consistencia, reducción de costos laborales y minimización de la variabilidad inter- e intra-lector. REGISTRO DEL ENSAYO: Clinicaltrials.gov, http://clinicaltrials.gov, estudio MEASURE 1 (NCT01358175); estudio PREVENT (NCT02696031).