IA diagnostica enfermedades pulmonares a partir de ecografías con una precisión del 96.57%

La inteligencia artificial (IA) tiene el potencial de convertirse en una herramienta crucial para los radiólogos, con avances recientes que le permiten diagnosticar con precisión neumonía, COVID-19 y otras enfermedades pulmonares.

El nuevo estudio, realizado por investigadores de la Universidad Charles Darwin (CDU, Casuarina, Australia) y otras instituciones colaboradoras, tiene como objetivo mejorar las capacidades de diagnóstico de la IA entrenándola para analizar los videos de ecografía pulmonar en busca de signos de enfermedades respiratorias. El modelo de IA funciona examinando cada fotograma individual del video de la ecografía para identificar características clave de los pulmones. Además, analiza la secuencia de fotogramas para detectar patrones en el comportamiento pulmonar a lo largo del tiempo. Con estos datos, el modelo puede identificar patrones específicos indicativos de diversas afecciones pulmonares, categorizando la ecografía como normal o mostrando signos de neumonía, COVID-19 u otras enfermedades pulmonares. Además, el modelo emplea técnicas de IA para proporcionar explicaciones sobre sus decisiones de diagnóstico, lo que ayuda a los radiólogos a comprender y confiar en sus resultados. El modelo utiliza IA explicable, una técnica que hace que los resultados de los algoritmos de aprendizaje automático sean más transparentes para los usuarios. Al utilizar ayudas visuales como mapas de calor, el sistema ayuda a los médicos a entender por qué se han alcanzado ciertas conclusiones, facilitando la localización de áreas problemáticas y mejorando significativamente la transparencia clínica..

Esta capacidad de interpretación tiene como objetivo mejorar la fiabilidad del sistema de IA, convirtiéndolo en una herramienta útil para los médicos. El modelo no solo puede ayudar a los médicos a diagnosticar enfermedades pulmonares de forma rápida y precisa, sino que también respalda su proceso de toma de decisiones, ahorra un tiempo valioso y sirve como recurso educativo. Los hallazgos, publicados en Frontiers in Computer Science, demuestran que el modelo alcanzó una tasa de precisión del 96,57 %, y sus análisis fueron verificados por profesionales médicos. Los investigadores creen que, con el entrenamiento y los datos adecuados, el modelo podría ampliarse para detectar enfermedades adicionales como la tuberculosis, la neumoconiosis, el asma, el cáncer, la enfermedad pulmonar crónica y la fibrosis pulmonar. Las investigaciones futuras podrían implicar el entrenamiento del modelo de IA para evaluar otros tipos de imágenes médicas, incluidas las tomografías computarizadas y las radiografías.

Enlaces relacionados:
Universidad Charles Darwin

Visitar la expo >

Portable Color Doppler Ultrasound Scanner

DCU10

New

Half Apron

Demi

Biopsy Software

Affirm® Contrast

Ultra-Flat DR Detector

meX+1717SCC