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
Ingresar
Publique su anuncio con nosotros
Parker Laboratories

Deascargar La Aplicación Móvil




Eventos

ATENCIÓN: Debido a la EPIDEMIA DE CORONAVIRUS, ciertos eventos están siendo reprogramados para una fecha posterior o cancelados por completo. Verifique con el organizador del evento o el sitio web antes de planificar cualquier evento próximo.

IA puede predecir necesidad de TC en pacientes pediátricos después de una lesión cerebral traumática leve

Por el equipo editorial de MedImaging en español
Actualizado el 12 Apr 2022
Print article
Imagen: Las redes neuronales profundas pueden predecir la necesidad de TC en lesiones cerebrales traumáticas leves pediátricas (Fotografía cortesía de Unsplash)
Imagen: Las redes neuronales profundas pueden predecir la necesidad de TC en lesiones cerebrales traumáticas leves pediátricas (Fotografía cortesía de Unsplash)

Solo el 10 % de las tomografías computarizadas revelan hallazgos positivos en lesiones cerebrales traumáticas leves, lo que genera preocupaciones sobre su uso excesivo en esta población. Se han desarrollado una serie de reglas clínicas para abordar este problema, pero aún sufren limitaciones en su especificidad. Los modelos de aprendizaje automático se han aplicado en estudios limitados para imitar las reglas clínicas; sin embargo, aún se necesitan mejoras adicionales en términos de sensibilidad y especificidad equilibradas. En un nuevo estudio, los investigadores descubrieron que las redes neuronales profundas se pueden usar para predecir la necesidad de una TC en lesiones cerebrales traumáticas leves pediátricas.

Para su estudio, los investigadores de la Universidad de Queensland (Brisbane, Australia) aplicaron un modelo de redes neuronales artificiales profundas (DANN) y un algoritmo de umbral de dureza de instancia para reproducir la regla clínica de la Red de Investigación Aplicada de Atención de Emergencias Pediátricas (PECARN) en una población pediátrica recopilada como parte del estudio PECARN entre 2004 y 2006. El modelo DANN se aplicó utilizando 14.983 pacientes menores de 18 años con puntajes de la escala de coma de Glasgow ≥ 14 que tenían informes de TC de la cabeza. Las características clínicas de las reglas PECARN, PECARN-A (grupo A, edad < 2 años) y PECARN-B (grupo B, edad ≤ 2 años), se utilizaron para evaluar directamente el modelo. La exactitud, la sensibilidad, la precisión y la especificidad promedio se calcularon comparando el resultado de predicción del modelo con el informado por los investigadores de PECARN. El umbral de dureza de la instancia y el modelo DANN se aplicaron para predecir la necesidad de TC en pacientes pediátricos utilizando una validación cruzada quíntuple.

Con base en los hallazgos, los investigadores concluyeron que un modelo DANN logró una sensibilidad comparable y una especificidad sobresaliente para replicar la regla clínica PECARN y predecir la necesidad de TC en pacientes pediátricos después de una lesión cerebral traumática leve en comparación con la regla clínica original derivada estadísticamente.

Enlaces relacionados:
Universidad de Queensland  


Print article
Radcal
CIRS -  MIRION

Canales

Radiografía

ver canal
Imagen: qTrack es una plataforma de gestión de salud pulmonar completa (Fotografía cortesía de Qure AI)

Sistemas de RD portátiles integrados con IA de rayos X de tórax automatizados mejoran las capacidades de diagnóstico

MinXray, Inc. (Northbrook, IL, EUA) ha mejorado aún más las capacidades de diagnóstico de sus sistemas de radiografía digital con la incorporación de la solución... Más

RM

ver canal
Imagen: Un solo escaneo cerebral puede diagnosticar la enfermedad de Alzheimer (Fotografía cortesía de Colegio Imperial)

Sistema de aprendizaje automático basado en resonancia magnética diagnostica la enfermedad de Alzheimer con un solo escáner cerebral

La enfermedad de Alzheimer es la forma más común de demencia, y aunque la mayoría de las personas con Alzheimer la desarrollan después de los 65 años, las personas menores... Más

Ultrasonido

ver canal
Imagen: La IA se puede usar para identificar nódulos tiroideos benignos y reducir biopsias innecesarias (Fotografía cortesía de Pexels)

IA identifica nódulos tiroideos no cancerosos en imágenes de ultrasonido y reduce las biopsias

Los nódulos tiroideos son muy comunes. La biopsia por aspiración con aguja fina se utiliza para diagnosticar el cáncer de tiroides. Sin embargo, la mayoría de las biopsias producen... Más

TI en Imaginología

ver canal
Imagen: Cómo funciona el manejo de imágenes médicas de Nucleus.io (Fotografía cortesía de NucleusHealth)

Plataforma para el manejo de imágenes agiliza los planes de tratamiento

Un conjunto de soluciones de software del ecosistema de imágenes proporciona accesibilidad segura a las imágenes médicas, mejorando los flujos de trabajo y la atención a los pacientes. La plataforma... Más

Industria

ver canal
Imagen: La reunión anual de la RSNA es la conferencia de imágenes médicas más grandes del mundo (Fotografía cortesía de la RSNA)

La RSNA 2022 ve un aumento en las presentaciones de resúmenes antes de la reunión anual

La Sociedad Radiológica de América del Norte (RSNA, Oak Brook, IL, EUA) ha anunciado que se han presentado casi 10.400 resúmenes científicos y educativos para la 108.... Más
Copyright © 2000-2022 Globetech Media. All rights reserved.