Thesis
Uso de la inteligencia artificial en la medición radiográfica de la edad ósea
Fecha
2023Autor
Villalba Meneses, Carlos Paúl
Institución
Resumen
Antecedentes: la evaluación radiográfica de la edad ósea es un método que estima la madurez
biológica en niños y adolescentes, es útil en el estudio de alteraciones endócrinas, nutricionales y
sindrómicas, predice la altura en la edad adulta y se usa en procedimientos médico-legales. El
método de Greulich-Pyle es el más usado, pero presenta una alta variabilidad interobservador. Las
aplicaciones de inteligencia artificial pueden reducir esta variabilidad, de forma simple y rápida.
Objetivo: correlacionar el uso de la IA (inteligencia artificial) con la interpretación del MI (médico
imagenólogo) en la medición radiográfica de la EO (edad ósea).
Metodología: se realizó un estudio descriptivo observacional y correlacional, con el software de
IA “16 Bit” y la interpretación del MI. La población fue de 405 casos, siendo analizados 215 casos
incluidos 199 casos (92.6%) y excluidos 16 casos (7.4%). Se planteó un 95% de intervalo de
confianza y un nivel de significancia menor a 1.
Resultados: la prueba de Kolmogorov Smirnov demostró una distribución no normal IA (p < 0.05)
y MI (p < 0.05). La correlación de Spearman (p < 0.05) fue de + 0.94; se obtuvo el coeficiente de
dispersión en el grupo masculino (R=0.936) y femenino (R=0.912), así como también en los
grupos: lactante (R= 0.620), preescolar (R= 0.689), escolar (R= 0.813) y adolescente (R= 0.763).
La media del tiempo del software de IA fue de 0.77 segundos (IC 95%: 0.73 – 0.81).
Conclusiones: la correlación de la medición radiográfica de la edad ósea entre la inteligencia
artificial y el médico imagenólogo mostró una relación positiva muy alta con un 99% de confianza,
dicha relación predominó en el género masculino y el grupo etario escolar, siendo menor en el
grupo de lactantes Background: radiographic evaluation of bone age is a method that estimates biological maturity
in children and adolescents, is useful in the study of endocrine, nutritional, and syndromic
alterations, predicts height in adulthood, and is used in medico-legal procedures. The Greulich Pyle method is the most used, but it presents a high inter-observer variability. Artificial intelligence
applications can reduce this variability, simply and quickly.
Objective: to correlate the use of AI (artificial intelligence) with the interpretation of radiologist
in the radiographic measurement of BA (bone age).
Methodology: a descriptive observational and correlational study was carried out, with the AI
software "16 Bit" and the interpretation of the R. The population was 405 cases, being analyzed
215 cases including 199 cases (92.6%) and excluding 16 cases (7.4%). A 95% confidence interval
and a significance level of less than 1 were established.
Results: the Kolmogorov Smirnov test showed a non-normal distribution IA (p < 0.05) and MI (p
< 0.05). Spearman's correlation (p < 0.05) was + 0.94; the dispersion coefficient was obtained in
the male (R=0.936) and female (R=0.912) groups, as well as in the groups: infant (R= 0.620),
preschooler (R= 0.689), school-age child (R= 0.813) and teenager (R= 0.763). The mean AI
software time was 0.77 seconds (95% CI: 0.73 – 0.81).
Conclusions: the correlation of the radiographic measurement of bone age between artificial
intelligence and the radiologist showed a very high positive relationship with 99% confidence, this
relationship predominated in the male gender and the school age group, being lower in the infant
group.