Clasificación avanzada de la artrosis de rodilla utilizando tecnologías de Inteligencia Artificial
Introducción: La artrosis de rodilla es una enfermedad osteoarticular prevalente y debilitante, especialmente en adultos mayores. Su detección temprana y la clasificación precisa son cruciales para mejorar los resultados clínicos. Objetivos: Investigar el uso de la inteligencia artificial y la vi...
Saved in:
| Main Authors: | , , , , , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Asociación Argentina de Ortopedia y Traumatología
2024-10-01
|
| Series: | Revista de la Asociación Argentina de Ortopedia y Traumatología |
| Subjects: | |
| Online Access: | https://raaot.org.ar/index.php/AAOTMAG/article/view/1993 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1832594184925609984 |
|---|---|
| author | Facundo Segura Florencio Pablo Segura María Paz Lucero Zudaire Florencio Vicente Segura Rocío Mendía Lucía Ribotta Falco Paula Sofía Zalazar Daniel Esteban Sequeira |
| author_facet | Facundo Segura Florencio Pablo Segura María Paz Lucero Zudaire Florencio Vicente Segura Rocío Mendía Lucía Ribotta Falco Paula Sofía Zalazar Daniel Esteban Sequeira |
| author_sort | Facundo Segura |
| collection | DOAJ |
| description | Introducción: La artrosis de rodilla es una enfermedad osteoarticular prevalente y debilitante, especialmente en adultos mayores. Su detección temprana y la clasificación precisa son cruciales para mejorar los resultados clínicos.
Objetivos: Investigar el uso de la inteligencia artificial y la visión por computadora para la detección y clasificación automatizada de la artrosis de rodilla según la escala de Kellgren-Lawrence. Desarrollar un sistema automatizado y evaluar su precisión para clasificar la gravedad de la enfermedad.
Materiales y Métodos: Se utilizó un conjunto de datos públicos con imágenes radiográficas de rodillas clasificadas según la escala de Kellgren-Lawrence. Las imágenes fueron procesadas con el programa LandingLens, empleando la arquitectura ConvNext, una red neuronal convolucional. El modelo fue entrenado con 995 imágenes y evaluado con 240 imágenes de prueba.
Resultados: El modelo alcanzó una precisión global del 92,55% en la clasificación de la artrosis de rodilla, con una sensibilidad del 93,33%. La precisión por clase fue del 97,87% para el grado 0; 79,74% para el grado 1; 88,68% para el grado 2; 94,04% para el grado 3 y 99,42% para el grado 4.
Conclusiones: El estudio confirma la eficacia de la inteligencia artificial y la visión por computadora en la detección automatizada de la artrosis de rodilla. La integración de estas tecnologías en la práctica clínica podría mejorar la eficiencia, la consistencia en la evaluación de los pacientes y los resultados clínicos, y así favorecer una atención médica más personalizada. |
| format | Article |
| id | doaj-art-fd664714ef6e4290922401a73f5fd6f2 |
| institution | Kabale University |
| issn | 1515-1786 1852-7434 |
| language | English |
| publishDate | 2024-10-01 |
| publisher | Asociación Argentina de Ortopedia y Traumatología |
| record_format | Article |
| series | Revista de la Asociación Argentina de Ortopedia y Traumatología |
| spelling | doaj-art-fd664714ef6e4290922401a73f5fd6f22025-01-20T04:14:26ZengAsociación Argentina de Ortopedia y TraumatologíaRevista de la Asociación Argentina de Ortopedia y Traumatología1515-17861852-74342024-10-0189546246910.15417/issn.1852-7434.2024.89.5.19931993Clasificación avanzada de la artrosis de rodilla utilizando tecnologías de Inteligencia ArtificialFacundo Segura0Florencio Pablo Segura1María Paz Lucero Zudaire2Florencio Vicente Segura3Rocío Mendía4Lucía Ribotta Falco5Paula Sofía Zalazar6Daniel Esteban Sequeira7Centro Privado Ortopedia y Traumatología Segura. 2ª. Cátedra de Ortopedia y Traumatología, Universidad Nacional de Córdoba, Córdoba, Argentina. Instituto Conci Carpinella, Córdoba, Argentina. Instituto Médico Victoria, Córdoba, Argentina. Instituto Modelo de Cardiología, Córdoba, Argentina Centro Privado Ortopedia y Traumatología Segura. 2ª. Cátedra de Ortopedia y Traumatología, Universidad Nacional de Córdoba, Córdoba, Argentina. Instituto Conci Carpinella, Córdoba, Argentina. Instituto Médico Victoria, Córdoba, Argentina. Instituto Modelo de Cardiología, Córdoba, Argentina Centro Privado Ortopedia y Traumatología Segura. 2ª. Cátedra de Ortopedia y Traumatología, Universidad Nacional de Córdoba, Córdoba, Argentina. Instituto Conci Carpinella, Córdoba, Argentina. Instituto Modelo de Cardiología, Córdoba, Argentina Centro Privado Ortopedia y Traumatología Segura. 2ª. Cátedra de Ortopedia y Traumatología, Universidad Nacional de Córdoba, Córdoba, Argentina. Instituto Médico Victoria, Córdoba, Argentina. Instituto Modelo de Cardiología, Córdoba, Argentina Instituto Conci Carpinella, Córdoba, ArgentinaInstituto Conci Carpinella, Córdoba, ArgentinaInstituto Conci Carpinella, Córdoba, ArgentinaInstituto Conci Carpinella, Córdoba, ArgentinaIntroducción: La artrosis de rodilla es una enfermedad osteoarticular prevalente y debilitante, especialmente en adultos mayores. Su detección temprana y la clasificación precisa son cruciales para mejorar los resultados clínicos. Objetivos: Investigar el uso de la inteligencia artificial y la visión por computadora para la detección y clasificación automatizada de la artrosis de rodilla según la escala de Kellgren-Lawrence. Desarrollar un sistema automatizado y evaluar su precisión para clasificar la gravedad de la enfermedad. Materiales y Métodos: Se utilizó un conjunto de datos públicos con imágenes radiográficas de rodillas clasificadas según la escala de Kellgren-Lawrence. Las imágenes fueron procesadas con el programa LandingLens, empleando la arquitectura ConvNext, una red neuronal convolucional. El modelo fue entrenado con 995 imágenes y evaluado con 240 imágenes de prueba. Resultados: El modelo alcanzó una precisión global del 92,55% en la clasificación de la artrosis de rodilla, con una sensibilidad del 93,33%. La precisión por clase fue del 97,87% para el grado 0; 79,74% para el grado 1; 88,68% para el grado 2; 94,04% para el grado 3 y 99,42% para el grado 4. Conclusiones: El estudio confirma la eficacia de la inteligencia artificial y la visión por computadora en la detección automatizada de la artrosis de rodilla. La integración de estas tecnologías en la práctica clínica podría mejorar la eficiencia, la consistencia en la evaluación de los pacientes y los resultados clínicos, y así favorecer una atención médica más personalizada.https://raaot.org.ar/index.php/AAOTMAG/article/view/1993inteligencia artificialartrosisclasificaciónvisión por computadora |
| spellingShingle | Facundo Segura Florencio Pablo Segura María Paz Lucero Zudaire Florencio Vicente Segura Rocío Mendía Lucía Ribotta Falco Paula Sofía Zalazar Daniel Esteban Sequeira Clasificación avanzada de la artrosis de rodilla utilizando tecnologías de Inteligencia Artificial Revista de la Asociación Argentina de Ortopedia y Traumatología inteligencia artificial artrosis clasificación visión por computadora |
| title | Clasificación avanzada de la artrosis de rodilla utilizando tecnologías de Inteligencia Artificial |
| title_full | Clasificación avanzada de la artrosis de rodilla utilizando tecnologías de Inteligencia Artificial |
| title_fullStr | Clasificación avanzada de la artrosis de rodilla utilizando tecnologías de Inteligencia Artificial |
| title_full_unstemmed | Clasificación avanzada de la artrosis de rodilla utilizando tecnologías de Inteligencia Artificial |
| title_short | Clasificación avanzada de la artrosis de rodilla utilizando tecnologías de Inteligencia Artificial |
| title_sort | clasificacion avanzada de la artrosis de rodilla utilizando tecnologias de inteligencia artificial |
| topic | inteligencia artificial artrosis clasificación visión por computadora |
| url | https://raaot.org.ar/index.php/AAOTMAG/article/view/1993 |
| work_keys_str_mv | AT facundosegura clasificacionavanzadadelaartrosisderodillautilizandotecnologiasdeinteligenciaartificial AT florenciopablosegura clasificacionavanzadadelaartrosisderodillautilizandotecnologiasdeinteligenciaartificial AT mariapazlucerozudaire clasificacionavanzadadelaartrosisderodillautilizandotecnologiasdeinteligenciaartificial AT florenciovicentesegura clasificacionavanzadadelaartrosisderodillautilizandotecnologiasdeinteligenciaartificial AT rociomendia clasificacionavanzadadelaartrosisderodillautilizandotecnologiasdeinteligenciaartificial AT luciaribottafalco clasificacionavanzadadelaartrosisderodillautilizandotecnologiasdeinteligenciaartificial AT paulasofiazalazar clasificacionavanzadadelaartrosisderodillautilizandotecnologiasdeinteligenciaartificial AT danielestebansequeira clasificacionavanzadadelaartrosisderodillautilizandotecnologiasdeinteligenciaartificial |