Resumen
El objetivo genérico del proyecto es desarrollar modelos basados en Deep Learning para el análisis macroscópico
de trombos en pacientes de ictus y validarlos para su aplicación en diagnóstico etiológico y pronóstico funcional.
En una acción preparatoria previa se ha desarrollado un modelo Deep Learning con una alta precisión (>95%) para
la clasificación etiológica de las imágenes fotográficas de los trombos en aterotrombóticos o cardioembólicos, a
pesar del limitado número de imágenes disponibles.
Los objetivos concretos son:
a) Optimizar el modelo de clasificación etiológica con imágenes de trombos de nuevos pacientes obtenidas tras el
desarrollo de la acción preparatoria.
b) Añadir al desarrollo del modelo de clasificación etiológica datos clínicos de los pacientes e imágenes histológicas.
c) Desarrollar un modelo de clasificación etiológica basado en Deep Learning a nivel de pixel.
d) Aplicar los modelos de clasificación etiológica a imágenes de trombos inicialmente criptogénicos y comprobar su
capacidad para predecir una etiología cardioembólica.
e) Desarrollar un nuevo modelo de clasificación (en base a imágenes fotográficas e histológicas, y datos clínicos)
con capacidad pronóstica, predictiva del deterioro neurológico del paciente durante la hospitalización o del estado
funcional a los 3 meses.
f) Comprobar la eficacia de clasificación/predicción individual mediante curvas ROC y estimación de la
sensibilidad/especificidad de los modelos.
g) Comprobar la validez externa de los modelos de diagnóstico etiológico y pronóstico funcional comparando su
rendimiento con imágenes obtenidas con dos plataformas diferentes en nuestro centro.
h) Validar externamente los modelos con pacientes procedentes de otro centro colaborador a través de la red
RETICS-ICTUS (ISCIII) a la que pertenece nuestro centro.
