Artículo original que tiene como objetivo principal comparar la RM hepática con el algoritmo “AIR Recon Deep Learning” (ARDL) y NON-DL con secuencias de adquisición convencionales de alta resolución (NAÏVE), en términos de análisis de imagen cuantitativa y cualitativa y  tiempo de exploración.

El diseño es prospectivo, e incluye voluntarios de forma consecutiva (31 mujeres) entre septiembre y noviembre de 2021. A todas se les realizó una RM (1.5 T) que incluía tres series de imágenes: ponderadas en T2 axial single-shot fast spin echo (SSFESE); imágenes de difusión (DWI) y mapa ADC adquiridas con protocolo ARDL y  NAÏVE; también se adquirieron las imágenes NON-DL. Dos radiólogos en consenso marcaron las regiones de interés en el parénquima hepático para calcular la razón señal-ruido (SNR) y la razón contraste ruido (-CNR). Los resultados muestran una mayor SNR y CNR para ARDL vs NAÏVE, ARDL vs NON-DL (todas p>0.2517). CNR fue mayor para ARDL vs NON-DL (p=0.0170), mientras que no hubo diferencias entre ARDL y NAÏVE (P=1). No hubo diferencias entre observadores para las tres comparaciones en términos de SNR y CNR, para mapas ADC (todos P>0.32). El análisis cualitativo para todas las secuencias mostró una mejor calidad de imagen para ARDL con menos artefactos y mayor contraste (P<0.0070), con excelente concordancia inter-observador (K≥0.8143). El tiempo de adquisición fue menor en las secuencias ARDL comparado con la NAÏVE. Concluyen que la ARDL aplicada al abdomen superior, muestra una mejor calidad de imagen y reducen el tiempo de exploración comparada con el protocolo NAÏVE.                                  

• Puntos fuertes: El diseño del estudio es prospectivo, lo que disminuye los sesgos. Las conclusiones son interesantes.
• Puntos débiles: En mi opinión, la muestra es demasiado pequeña y se necesitan más estudios para apoyar las conclusiones.

Dra. Cristina García Villar

                                                  Sección de Radiología de abdomen - SEDIA