Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




El análisis de radiografías de tórax impulsado por IA muestra resultados prometedores en la práctica clínica

Por el equipo editorial de MedImaging en español
Actualizado el 09 Sep 2024
Imagen: Cuatro ejemplos de radiografías de tórax notables con hallazgos críticos pasados por alto (Foto cortesía de Radiología; https://doi.org/10.1148/radiol.240272)
Imagen: Cuatro ejemplos de radiografías de tórax notables con hallazgos críticos pasados por alto (Foto cortesía de Radiología; https://doi.org/10.1148/radiol.240272)

Los avances recientes en inteligencia artificial (IA) han impulsado el interés en el diagnóstico asistido por computadora, motivado por la creciente carga de trabajo en radiología, la escasez global de radiólogos y el potencial riesgo de agotamiento. Los departamentos de radiología a menudo se enfrentan a un gran volumen de radiografías de tórax sin hallazgos significativos, y la IA tiene el potencial de mejorar la eficiencia al automatizar el proceso de informes. Un nuevo estudio ha demostrado que el uso fuera de indicación de una herramienta comercial de IA es eficaz para excluir patologías, con igual o menos errores críticos en comparación con los radiólogos.

Investigadores del Hospital Herlev Gentofte (Copenhague, Dinamarca) realizaron un estudio para determinar con qué frecuencia la IA podía identificar con precisión radiografías de tórax sin hallazgos significativos, sin aumentar los errores diagnósticos. Este estudio analizó informes y datos radiológicos de 1.961 pacientes (edad media, 72 años; 993 mujeres), cada uno con una radiografía de tórax única, recolectados de cuatro hospitales daneses. Investigaciones previas indicaban que las herramientas de IA podían excluir patología en radiografías de tórax con confianza y generar de forma autónoma un informe normal. Sin embargo, no había un umbral establecido para determinar cuándo las herramientas de IA debían considerarse fiables.

El estudio tuvo como objetivo comparar la gravedad de los errores cometidos por la IA con los de los radiólogos humanos para determinar si los errores de la IA eran objetivamente peores. La herramienta de IA calculó una probabilidad de "notable" para cada radiografía a fin de determinar su especificidad en varios niveles de sensibilidad. Dos radiólogos torácicos, ciegos a las evaluaciones de la IA, clasificaron las radiografías como "notables" o "no destacables" utilizando criterios establecidos. Las radiografías con hallazgos omitidos, ya sea por la IA o los informes humanos, fueron evaluadas por otro radiólogo de tórax, quien desconocía quién había cometido el error, y clasificó los errores como críticos, clínicamente significativos o insignificantes.

La referencia estándar encontró que 1.231 de las 1.961 radiografías (62,8%) eran notables y 730 (37,2%) no notables. Los resultados, publicados en la revista Radiology, indicaron que la herramienta de IA excluyó con éxito la patología en el 24,5% al 52,7% de las radiografías de tórax no notables, con sensibilidades del 98% o superiores, y con menos errores críticos en comparación con los informes radiológicos asociados. Sin embargo, los errores cometidos por la IA fueron, en general, más graves desde un punto de vista clínico que los cometidos por los radiólogos. El estudio sugirió que la IA podría generar informes autónomos en más de la mitad de todas las radiografías de tórax normales, pero subrayó la necesidad de realizar un estudio de implementación prospectivo del modelo en uno de los umbrales sugeridos antes de recomendar su uso generalizado.

Enlaces relacionados:
Herlev Gentofte Hospital

Ultrasound-Guided Biopsy & Visualization Tools
Endoscopic Ultrasound (EUS) Guided Devices
Digital X-Ray Detector Panel
Acuity G4
Ultra-Flat DR Detector
meX+1717SCC
New
Breast Localization System
MAMMOREP LOOP

Canales

RM

ver canal
Imagen: los investigadores utilizaron RM y pantalones inspirados en la NASA para mejorar las pruebas de esfuerzo y revelar problemas cardíacos ocultos (foto cortesía de UTA)

Nueva técnica de resonancia magnética revela problemas cardíacos ocultos

Las pruebas de esfuerzo tradicionales, realizadas en una máquina de resonancia magnética (RM), requieren que los pacientes permanezcan acostados, una posición que mejora artificialmente... Más

Ultrasonido

ver canal
Imagen: el nuevo dispositivo implantable para el tratamiento del dolor crónico es pequeño y flexible (foto cortesía de The Zhou Lab at USC)

Dispositivo inalámbrico para el manejo del dolor crónico reduce la necesidad de analgésicos y cirugía

El dolor crónico afecta a millones de personas en todo el mundo, lo que a menudo provoca discapacidad a largo plazo y dependencia de opioides, los cuales conllevan riesgos importantes de efectos... Más

Medicina Nuclear

ver canal
Imagen: El estudio de imágenes de cáncer de próstata tiene como objetivo reducir la necesidad de biopsias (foto cortesía de Shutterstock)

Nuevo enfoque de imagen podría reducir la necesidad de biopsias para monitorear el cáncer de próstata

El cáncer de próstata es la segunda causa principal de muerte por cáncer en hombres en Estados Unidos. Sin embargo, la mayoría de los hombres mayores diagnosticados con esta... Más

Imaginología General

ver canal
Imágenes de resultado positivo en examen de detección de colonografía por TC en un hombre asintomático de 67 años (foto cortesía de Radiology)

La colonografía por TC supera a la prueba de ADN en heces para la detección del cáncer de colon

Dado que el cáncer colorrectal sigue siendo la segunda causa principal de muertes relacionadas con el cáncer a nivel mundial, la detección temprana mediante pruebas de cribado es fundamental... Más

TI en Imaginología

ver canal
Imagen: La nueva Medical Imaging Suite hace que los datos de imágenes de atención médica sean más accesibles, interoperables y útiles (Fotografía cortesía de Google Cloud)

Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles

Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.