El grosor de la translucencia nucal (TN) forma parte de uno de los parámetros que se estudia en la ecografía prenatal del primer trimestre, ya que un aumento de dicho grosor se asocia en un porcentaje alto con alteraciones cromosómicas, defectos cardíacos o síndromes genéticos. Identificar el plano de TN estándar de forma fiable es un desafío debido a la sustancial variación en la evaluación del plano de TN, necesitando observadores altamente cualificados, una amplia formación y un riguroso control de calidad. Debido a la trascendencia que puede tener este parámetro requiere el uso de una técnica de medición estandarizada para garantizar la uniformidad entre los operadores.

En este trabajo los autores plantean el uso de modelos de deep learning para la medición del grosor de TN. Para ello elaboran un trabajo científico en el que evalúan la precisión de un programa de IA, basado en el aprendizaje profundo, que permite identificar el plano adecuado así como la medición del grosor de TN y lo comparan con los parámetros obtenidos por radiólogos experimentados.

Los resultados del trabajo demuestran que el modelo de identificación y medición automatizada de la translucencia nucal mediante IA presenta una alta precisión comparable con la de los radiólogos experimentados en la identificación del plano TN y la medición del espesor, por lo que puede servir como una herramienta de asistencia eficaz para los radiólogos durante las evaluaciones de TN en tiempo real.

PUNTOS FUERTES:

· Trabajo interesante y correctamente estructurado para valorar la precisión del uso de sistemas automatizados basado en IA para la evaluación de la translucencia nucal.

· Trabajo novedoso ya que es de los pocos publicados sobre el uso de la aplicación de sistemas completamente automatizados para la medición de la TN en el diagnóstico prenatal.

PUNTOS DÉBILES:

· Los autores solo usan pacientes con mediciones dentro de la normalidad sin poder validar el rendimiento del modelo de IA para la medición de la TN en casos positivos.

· Aunque no es el propósito real del estudio sería interesante analizar el grado de aceptación de los resultados de diagnóstico y medición de IA por parte de los radiólogos.

Dra. Rocío Rodríguez Ortega

Sección de Radiología Pediátrica (SERPE)