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.

Please note that the MedImaging website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




IA diagnostica fracturas de muñeca tan bien como radiólogos

Por el equipo editorial de MedImaging en español
Actualizado el 09 Apr 2024
Print article
Imagen: Los algoritmos de IA, particularmente las CNN, pueden detectar con precisión las fracturas de muñeca de rayos X simples (Fotografía cortesía de Adobe Stock)
Imagen: Los algoritmos de IA, particularmente las CNN, pueden detectar con precisión las fracturas de muñeca de rayos X simples (Fotografía cortesía de Adobe Stock)

En el campo de las imágenes médicas, la radiografía convencional es el método principal para diagnosticar las fracturas de muñeca. Sin embargo, desafíos como el posicionamiento, la técnica, la cooperación del paciente y los errores de interpretación subóptimos, que a menudo surgen de la inexperiencia del médico, la fatiga o las malas condiciones de visualización, pueden afectar la precisión de estas radiografías. Los errores de interpretación más frecuentes en los departamentos de emergencia (DE) son las fracturas omitidas, lo que provoca retrasos en el tratamiento. Los médicos, en particular aquellos con formación limitada en imágenes musculoesqueléticas, a menudo tienen dificultades para identificar las fracturas de muñeca, especialmente cuando los signos son sutiles. El avance del aprendizaje profundo (DL) en la automatización del diagnóstico de fracturas de muñeca podría ayudar significativamente a los médicos, y los desarrollos recientes han visto mejoras sustanciales en las tasas de error de clasificación de imágenes de los modelos de DL. Ahora, un nuevo metanálisis revela que los algoritmos de inteligencia artificial (IA), especialmente las redes neuronales convolucionales (CNN), son muy eficaces para detectar fracturas de muñeca a partir de rayos X simples y tienen un desempeño a la par de profesionales sanitarios capacitados.

El estudio realizado por investigadores del Hospital Universitario del Sur de Dinamarca (Odense, Dinamarca) implicó analizar varias bases de datos médicas desde enero de 2012 hasta marzo de 2023. El equipo identificó seis estudios que aplicaron IA de aprendizaje profundo para diagnosticar fracturas radiales y cubitales mediante radiografías. Los estudios incluyeron colectivamente 33.026 imágenes de rayos X. Cada estudio empleó modelos de CNN entrenados en un conjunto de datos de imágenes y comparó su precisión diagnóstica con la de expertos sanitarios especializados en diagnóstico de fracturas. El enfoque en las fracturas de muñeca en este metanálisis se debió a su alta tasa de diagnóstico erróneo en los DE, donde su detección mediante rayos X puede ser compleja.

Una revisión exhaustiva de estos estudios indicó que las CNN, comparadas con el consenso de expertos sanitarios, lograron una tasa de sensibilidad del 92 % y una tasa de especificidad del 93 %. Este hallazgo posiciona a las CNN como una herramienta preliminar eficaz para revisar radiografías, lo que potencialmente reduce las fracturas pasadas por alto cuando se realiza un seguimiento mediante un examen de un profesional de la salud. Sin embargo, el estudio reconoce la necesidad de realizar más investigaciones y enfatiza la importancia de las pruebas de conjuntos de datos externos, metodologías uniformes y estándares de referencia de expertos independientes para determinar completamente la efectividad de los algoritmos de diagnóstico de IA. Los estudios futuros también deberían centrarse en los resultados de los pacientes como punto de referencia para comprender el impacto de las CNN en el mundo real en entornos clínicos.

“Para los médicos, la IA podría utilizarse potencialmente para mejorar la confianza en el diagnóstico, especialmente en los campos de la radiología. Los algoritmos de IA pueden resultar especialmente útiles para los médicos menos experimentados”, concluyeron los investigadores.

Enlaces relacionados:
Hospital Universitario del Sur de Dinamarca  

Ultrasound Scanner
TBP-5533
NMUS & MSK Ultrasound
InVisus Pro
New
MRI System
Ingenia Prodiva 1.5T CS
Portable Color Doppler Ultrasound Scanner
DCU10

Print article

Canales

Ultrasonido

ver canal
Imagen: Mapas de calor que la IA evaluó para realizar diagnósticos de enfermedades pulmonares (Foto cortesía de COVIDx-US)

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,... 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

Industria

ver canal
Imagen: La colonoscopia virtual (colonografía por TC) es una opción aprobada para la detección del cáncer colorrectal en los EUA (Foto cortesía de Shtutterstock)

Bracco Diagnostics y ColoWatch se asocian para ampliar la disponibilidad de pruebas de detección de CCR mediante colonoscopia virtual

En los últimos 25 años, la colonoscopia virtual ha demostrado ser un método altamente preciso, seguro, conveniente y rentable para la prevención y detección del cáncer... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.