Aprendizaje automático de vasos etiquetados anatómicamente para la evaluación del riesgo de ruptura de aneurismas cerebrales

FRANCESCO CAMUSSONI; DANIEL MILLÁN; LUIS G. MOYANO

Mendoza

Jornada; XXVI Jornadas de Investigación de la Universidad Nacional de Cuyo; 2020

Universidad Nacional de Cuyo

La aplicación detécnicas de aprendizaje automático (machine learning) y de inteligencia artificial ha demostrado tenerun fuerte impacto en el análisis y la resolución de problemas, y ha ido afianzándose en los últimos añoscomo una potente herramienta en múltiples ámbitos tanto de las ingenierías como de la ciencia. En el presente trabajo proponemos la evaluación del desempeño de este tipo de algoritmos en la evaluación de riesgo de rotura de aneurismas intracraneales que, junto a otrostipos de accidentes cerebrovasculares, son la tercera causa de muerte en Argentina.El estudio de aneurismas intracraneales a través de su historia natural presenta limitaciones y siguesiendo poco entendido. Los factores de riesgo que influyen en el crecimiento de aneurismasintracraneales no-rotos (UIAs) y la relación entre crecimiento y rotura todavía no están bien definidos, existiendo variaciones significativas en los resultados en la literatura. Esto haceque la identificación temprana de UIAs con riesgo sea extremadamente difícil.Por esto, existe la necesidad de mejorar la metodología que se viene empleando para identificar yanalizar aquellos aneurismas que son más propensos a romper de aquellos que poseen una menorprobabilidad. En este contexto, se evalúa la implementación de técnicas de aprendizaje automático para la clasificación de aneurismas intracraneales anatómicamente etiquetados como rotos/no rotos según su morfometría y algunos atributos clínicos, para luego, predecir el riesgo de rotura de un nuevo aneurisma en función de estos atributos.