Herramienta de screening de fragilidad de cadera a partir de inteligencia artificial y nuevos biomarcadores de imagen médica
Objetivos
Herramienta de machine learning de soporte al clínico para determinar el riesgo de fractura ósea a 3-5 años focalizando el uso de la herramienta en población de edad avanzada.
Detectar anticipadamente el riesgo de posibles fracturas en base a un origen multifactorial.
Potencial de uso clínico para la gestión de base datos de ámbito médico.
Agilizar el proceso clínico de los especialistas, enfocando las pruebas a su verdadero objetivo.
Modelo predictivo de fragilidad ósea al requerir de un número de casos y exploraciones.
Posibilidad de asignarle el grupo más similar y predecir posibles alteraciones comunes entre grupos.
TC - Volumen segmentado
TC - Corte coronal TC Cadera
¿Cómo se desarrolla?
Para el desarrollo de OSTEO-Tools ha sido necesaria la realización de las pruebas médicas pertinentes (DXA, TC) con las que poder generar reconstrucciones volumétricas de la composición mineral ósea y extraer parámetros relevantes. Con las reconstrucciones volumétricas se han obtenido parámetros biomecánicos. Así mismo, las pruebas de imagen médica han aportado información relevante de cada paciente. Todo ello ha sido integrado en una herramienta software final, capaz de determinar el riesgo de fragilidad ósea. Dicha herramienta se ha validado clínicamente teniendo en cuenta la especificidad y sensibilidad y comparándola con los métodos de diagnóstico tradicionales.
DXA Cadera / Fémur

Referencia Densitométrica: Cuello
Se dispone de 584 pacientes y 71 variables. Un 60% corresponden a pacientes sin fractura y un 40% a pacientes fracturados 🡪 equilibrar las clases.
Preprocesado de datos: eliminación de datos anómalos, centrado y escalado de variables.
Implementación de diferentes modelos de inteligencia artificial como son:
- Árboles de Regresión y Clasificación
- Random Forest
- Support Vector Machine
- K Nearest Neighbors
- Naive Bayes
- Regresión Lineal Múltiple
- Regresión Logística
- Mínimos cuadrados ponderados (PLS DA)
- Redes Neuronales
Fases de desarrollo
FASE I
GESTIÓN DEL PROYECTO
Agrupa las labores de planificación del Proyecto, la dirección y coordinación de su ejecución, control de los resultados que se van obteniendo, gestionar los cambios sobre la planificación inicial y el cierre de las actividades. Abarca todo el ciclo de vida del Proyecto.
FASE II
CREACIÓN BBDD. REALIZACIÓN EXPLORACIONES
El elemento requerido para alcanzar los objetivos del proyecto son los ficheros de imagen de exploraciones DXA efectuados sobre un grupo de sujetos de ambos sexos (n=300) con indicaciones clínicas que justifiquen la realización de densitometrías óseas.
El proceso de validación clínica requerirá la repetición de exploraciones combinando exploraciones DXA de fémur con exploraciones de tomografía cuantitativa QCT (n=100). Se requerirá a los pacientes el consentimiento informado que posibilite el manejo de los datos clínicos e imágenes, previamente anonimizadas, por parte de los investigadores.
FASE III
DESARROLLO APLICACIOES SEGMENTACIÓN Y SIMULACION BIOMECÁNICA
Obtener todos los códigos necesarios para la generación de reconstrucciones volumétricas de composición mineral ósea, así como el mallado automático de Elementos finitos para el modelado biomecánico de fémur y cadera.
Dichas reconstrucciones deben de poder obtenerse tanto de imágenes obtenidas por DXA, como TC, RM y PET-RM.
FASE IV
INTELIGENCIA ARTIFICIAL
Obtener una herramienta de recogida de datos relevantes en el riesgo de fractura ósea, así como desarrollar un modelo clasificador basado en las principales variables de origen clínico y biomecánico para la determinación del riesgo de fragilidad ósea.
Socios
Resultados
3DHipFracture
(cuantificación TC)
barra
barra
Resultados
OSTEORISK
(ciencia de datos)
barra
barra
El modelo implementado en la herramienta final es el PLS-DA ya que proporciona los mejores resultados.
- La validación del modelo implementado se ha realizado mediante el método de validación cruzada k = 100
- 70% para entrenamiento y 30% para validación
- Métricas empleadas: Tasa de acierto y área bajo la curva (AUC). A través de la sensibilidad y especificidad se obtienen los valores.
Financiación

Número de expediente: INNCAD00/19/086.
Programa: : Consolidación de la cadena de valor empresarial (Convocatoria 2019).
Título del proyecto: OSTEO-Tools: Nueva Herramienta de screening de fragilidad de cadera a partir de inteligencia artificial y nuevos biomarcadores de Imagen Médica.
Línea presupuestaria: S7065000.