Validación de un Sistema de Imagen por Ultrasonido basado en inteligencia artificial para cuantificar parámetros de arquitectura muscular del músculo recto femoral en pacientes con Desnutrición Relacionada con Enfermedades.

Objetivo: El objetivo de este estudio fue validar el uso de un nuevo sistema automático basado en inteligencia artificial (IA) para el análisis de imágenes ecográficas y la cuantificación de los parámetros de la arquitectura muscular del recto femoral (RF) en sujetos con desnutrición relacionada con enfermedades (DRE). Métodos: Se reclutaron un total de 100 pacientes adultos con desnutrición relacionada con enfermedades (DRE) diagnosticada por criterios de la Iniciativa de Liderazgo Global sobre Desnutrición (GLIM) y con edades comprendidas entre 18 y 85 años. La variación, reproducibilidad y confiabilidad de las mediciones para el grosor de la grasa subcutánea (GGS), el grosor del músculo (GM) y el área de la sección transversal (AST) se midieron de manera convencional con las herramientas incorporadas de un dispositivo portátil de ultrasonidos (método A) Image JR program version 1.54 f (National Institutes of Health NIH, Bethesda, MD, USA) y se compararon con la cuantificación automatizada del sistema de imágenes por ultrasonido (método B) PIIXMED^TM, (Dawako Medtech S.L., Valencia, Spain) (figura1). Resultados: Las mediciones obtenidas mediante los dos métodos mostraron valores similares sin diferencias significativas en valores absolutos y coeficientes de variación, 58,39% – 57,68% para GGS, 30,50% – 28,36% para GM y 36,50% – 36,91% para AST, (método A vs método B). Los coeficientes de correlación de Pearson y Spearman mostraron valores altos de correlación; 86% para GGS, 97% para GM y 99% para AST entre los dos métodos. Se obtuvieron unos coeficientes de determinación (R²) en la regresión lineal de 83% para GGS, 94% para GM y 99% para AST utilizando el método B como variable dependiente y el método A como variable independiente de la regresión lineal. El coeficiente de correlación intraclase (CCI) para el análisis de confiabilidad y consistencia entre los métodos A y B fue excelente;  0,912 para GGS, 0,960 para GM y 0,995 para AST. Sin sesgos en el Bland–Altman Analysis (Figura2).Conclusiones: El estudio demostró la consistencia y concordancia de este nuevo sistema automático basado en inteligencia artificial para la cuantificación de imágenes por ultrasonido de los parámetros de la arquitectura muscular del músculo recto femoral en comparación con el método de medición convencional.