Investigadores del Colegio de Ingeniería Dwarkadas J. Sanghvi en Mumbai, India, han desarrollado un nuevo enfoque híbrido que utiliza ultrasonido y análisis de sangre combinados con un clasificador de votación para diagnosticar de forma más precisa la fibrosis hepática y la cirrosis. Este innovador método aprovecha la inteligencia artificial y el aprendizaje profundo para integrar datos clínicos y de imágenes, logrando una impresionante precisión del 92.5% en los diagnósticos, y ofrece una alternativa no invasiva a las biopsias tradicionales.

La cirrosis hepática, reconocida como una condición insidiosa que sustituye el tejido normal del hígado con tejido cicatricial fibroso, plantea serios riesgos a la salud global debido a complicaciones significativas. Tradicionalmente, el diagnóstico dependía de métodos invasivos como la biopsia, lo cual plantea riesgos y limitaciones en entornos con recursos escasos. A pesar de las alternativas no invasivas como la imagenología por ultrasonido y la elastografía transitoria, estas técnicas presentan limitaciones en precisión diagnóstica, especialmente en las etapas tempranas de la enfermedad.

El modelo presentado por Kashyap y sus compañeros de investigación integra la tecnología de machine learning (ML) y deep learning aplicada en los datos de ultrasonido, lo cual mejora la precisión del diagnóstico y facilita intervenciones tempranas. El sistema hibrido utiliza la arquitectura DenseNet, destacada por su capacidad para procesar y analizar imágenes complejas. Además, se incorporan datos de pruebas de sangre en el modelo, fusionando ambos resultados a través de un clasificador de votación blanda que pondera cada modalidad diagnóstica según su precisión.

Esta metodología innovadora aborda las limitaciones de modelos previos al combinar con éxito datos clínicos y de imagen, promoviendo un marco diagnóstico unificado. Técnicas como SVM y Random Forest, conocidas por su rendimiento, fueron evaluadas, pero los modelos mixtos donde se combinan probabilidad de pruebas sanguíneas y predicciones de densidad por ultrasonido destacan por su superior precisión.

La implementación de este modelo hibrido en la práctica clínica sugiere una mejora significativa en el manejo de la enfermedad hepática, permitiendo diagnósticos más tempranos y certeros. Los resultados obtenidos podrían tener implicaciones profundas para reducir el costo de atención médica y mejorar los resultados para los pacientes. Sin embargo, se hace hincapié en la necesidad de perfeccionar y validar estos modelos en diversos entornos clínicos para asegurar su aplicabilidad generalizada.