Desarrollo y validación de una herramienta para control de calidad y curación de archivos de imagen médica en formato DICOM para su procesado mediante IA

• Pedro Miguel Martinez-Girones ^[1] ; Adrian Galiana-Bordera ^[1] ; Carina Soler-Pons ^[1] ; Ignacio Gomez- Rico Junquero ^[1] ; Ignacio Blanquer-Espert ^[2] ; Leonor Cerda-Alberich ^[1] ; Luis Marti-Bonmati ^[1]
  1. [1] Instituto de Investigación Sanitaria La Fe

     Instituto de Investigación Sanitaria La Fe

     Valencia, España

     
  2. [2] Universidad Politécnica de Valencia

     Universidad Politécnica de Valencia

     Valencia, España

     
• Localización: CASEIB 2024. Libro de Actas del XLII Congreso Anual de la Sociedad Española de Ingeniería Biomédica, 2024, ISBN 978-84-09-67332-2, págs. 469-472
• Idioma: español
• Enlaces
  • Texto Completo Libro
• Resumen

  • El objetivo de este trabajo es el desarrollo de una herramienta innovadora que garantiza la calidad y la integridad de los datos de imágenes médicas, esenciales para el diagnóstico y el entrenamiento de algoritmos de inteligencia artificial (IA). Esta herramienta se implementa en el entorno de departamentos de radiología, con un enfoque especial en la integración de datos en plataformas de investigación europeas como EUCAIM. La metodología incluye: a) lectura, procesamiento y escritura de archivos DICOM; b) integración en Docker para flujos de trabajo escalables y reproducibles; c) paralelización avanzada para mejorar la eficiencia en el procesamiento de grandes volúmenes de datos. Los resultados muestran: a) optimización del tiempo y esfuerzo, transformando tareas que tradicionalmente tomaban horas en segundos; b) verificación de calidad mediante selección semi-automática de series, detección de archivos corruptos o incompletos, y fusión de series multivolumen; c) aplicación y validación en proyectos nacionales y europeos, manejando con éxito grandes conjuntos de datos multicéntricos. Las conclusiones destacan: a) mejora de la eficiencia, reduciendo significativamente el tiempo y esfuerzo en el preprocesamiento de datos; b) garantía de calidad e integridad de los datos utilizados en modelos de IA; c) soporte a la investigación multicéntrica, facilitando la integración de datos de imagen en plataformas nacionales y europeas, garantizando consistencia y reduciendo sesgos. Entre sus fortalezas, esta herramienta no solo optimiza la gestión de datos de imágenes médicas, sino que también es crucial para el éxito de soluciones de IA en la toma de decisiones clínicas, representando un avance significativo en la calidad y eficiencia de la investigación en imágenes médicas.