Predicción del manejo quirúrgico versus no quirúrgico de fracturas agudas aisladas del radio distal en pacientes menores de 60 años mediante una red neuronal convolucional
J Hand Surg Am- ASSH
Predicting Surgical Versus Nonsurgical Management of Acute Isolated Distal Radius Fractures in Patients Under Age 60 Using a Convolutional Neural Network – Journal of Hand Surgery
@JHandSurg
Predicción del manejo #quirúrgico versus #no quirúrgico de fracturas agudas aisladas del radio distal en pacientes menores de 60 años mediante una red neuronal convolucional
@uoftmedicine @UHN @DATATeam_uhn @SickKidsNews
#IA #Imagen #ManejoQuirúrgico #Trauma
“Predicting Surgical Versus Nonsurgical Management of Acute Isolated Distal Radius Fractures in Patients Under Age 60 Using a Convolutional Neural Network” (J Hand Surg Am. 2025;50(7):781–789):
Introducción
Las fracturas del radio distal (DRFs) representan hasta el 20% de las fracturas en servicios de urgencias, y se tratan de forma no quirúrgica en la mayoría de los casos. Sin embargo, los retrasos en la cirugía (más de 14 días) se asocian con peores resultados funcionales y mayor uso de recursos sanitarios. En el centro de estudio, el tiempo promedio hasta la cirugía supera los 19 días debido a rutas de atención fragmentadas. El objetivo fue desarrollar una red neuronal convolucional (CNN) para analizar radiografías de DRF agudas aisladas en pacientes menores de 60 años y predecir si requerirán tratamiento quirúrgico o no quirúrgico, facilitando así la derivación oportuna.
Métodos
Se incluyeron retrospectivamente 163 pacientes menores de 60 años con DRF aguda aislada atendidos entre 2018 y 2023. Se recolectaron radiografías en vista posteroanterior y lateral tomadas dentro de las 4 semanas post-lesión. Se procesaron imágenes con técnicas de segmentación, recorte del carpo y normalización. El modelo CNN utilizó una arquitectura con 7 capas convolucionales y una capa totalmente conectada. Se dividieron los datos en conjuntos de entrenamiento (70%), validación (15%) y prueba (15%). Se priorizó la sensibilidad para minimizar falsos negativos, especialmente en fracturas con desplazamiento volar.
Resultados
El modelo final entrenado con imágenes de 256×256 píxeles alcanzó una precisión del 88% y sensibilidad del 100% en la predicción por paciente. El área bajo la curva ROC (AUROC) fue de 87% y la AUPRC (precisión promedio) fue de 88%. Se detectó una mejora significativa en la clasificación tras ajustar ponderaciones para fracturas volares, tradicionalmente asociadas a mayor inestabilidad y necesidad de cirugía. La exactitud por radiografía individual fue de 79%.
Discusión
El algoritmo basado en CNN mostró alto rendimiento al predecir manejo quirúrgico o no quirúrgico de DRF agudas en menores de 60 años, basándose solo en imágenes. Aunque no reemplaza el juicio clínico, tiene utilidad como herramienta de triaje inicial, reduciendo demoras quirúrgicas sin aumentar la carga clínica. La mayor sensibilidad buscó minimizar casos quirúrgicos no detectados, aceptando un mayor número de falsos positivos. El modelo refleja las decisiones clínicas locales y podría adaptarse a otras instituciones. No se incluyeron pacientes mayores de 60 años por variabilidad en las indicaciones quirúrgicas en dicha población.
Hsu D, Persitz J, Noori A, Zhang H, Mashouri P, Shah R, Chan A, Madani A, Paul R. Predicting Surgical Versus Nonsurgical Management of Acute Isolated Distal Radius Fractures in Patients Under Age 60 Using a Convolutional Neural Network. J Hand Surg Am. 2025 Jul;50(7):781-789. doi: 10.1016/j.jhsa.2025.04.015. Epub 2025 May 26. PMID: 40418202.
