Detección antenatal de cardiopatías congénitas mediante inteligencia artificial

Objetivo: analizar la precisión diagnóstica de una arquitectura basada en “Vision Transformer” para la detección prenatal de cardiopatías congénitas (CC) de acuerdo con cada trimestre del embarazo en un país de medianos ingresos. Métodos: se realizó un estudio retrospectivo, observacional y analítico en las pacientes con ecografía obstétrica realizada en la Fundación Santa Fe de Bogotá entre el 2019 y el 2023. Se incluyeron imágenes de corazón fetal con los cortes 4C, 3VT, SVD, SVI. Se entrenó una arquitectura basada en “Vision Transformer” en donde se evaluó el rendimiento en la detección de CC por trimestre de gestación. Resultados: se revisaron 12.402 ecografías y se incluyeron 3.260. Se identificaron 181 ecografías de fetos con CC. La mayoría de las CC se detectaron en el segundo (44,6%) y tercer trimestre (52,4%), siendo la comunicación interventricular la más común. Se utilizaron 2.966 imágenes para el entrenamiento del modelo y 294 para la validación, logrando el mejor rendimiento en el segundo trimestre con una F-medida de 0,61, sensibilidad del 97%, especificidad del 88%, valor predictivo positivo del 90% y valor predictivo negativo del 97%. Conclusiones: la prevalencia de CC anteparto fue de 6,4%, superior a otros estudios, posiblemente por tratarse de un hospital de referencia y remisión dada su alta complejidad. El modelo mostró un buen rendimiento en la detección de CC, con una F1-medida de 61%, destacando el potencial de la inteligencia artificial en regiones con acceso limitado a especialistas para mejorar la precisión en el diagnóstico de CC.

• Autores: Ramírez Mateus, Nataly Alejandra; Echeverry Bermúdez, Lina Marcela
• Tipo de recurso: https://purl.org/coar/resource_type/c_7a1f
• Fecha de publicación: 2025
• Institución: Universidad El Bosque
• Repositorio: Repositorio U. El Bosque
• Idioma: spa
• OAI Identifier: oai:repositorio.unbosque.edu.co:20.500.12495/13943
• Acceso en línea: https://hdl.handle.net/20.500.12495/13943
• Palabra clave: Ultrasonografía; Inteligencia Artificial; Cardiopatía Congénita; Diagnóstico Prenatal; Ultrasonography; Artificial Intelligence; Congenital Heart Disease; Prenatal Diagnosis; WP 100
• License: Attribution-ShareAlike 4.0 International