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

Deascargar La Aplicación Móvil




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
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  

Portable X-ray Unit
AJEX140H
Digital Color Doppler Ultrasound System
MS22Plus
X-Ray Generator
Advantage Plus Generators
Miembro Plata
X-Ray QA Device
Accu-Gold+ Touch Pro

Canales

Ultrasonido

ver canal
Imagen: Un corte transversal del cerebro revela la arquitectura simétrica de la red vascular (cian-verde) y el trazador que resalta el sistema glinfático (rojo-amarillo) a lo largo de la superficie cerebral y las vías de drenaje, visualizados a través del cráneo intacto mediante la técnica 3D-PAULM (Foto cortesía de la Universidad de Duke)

Plataforma de imagen híbrida revela cómo el sueño favorece la eliminación de desechos del cerebro

El sistema glinfático del cerebro elimina los desechos metabólicos a través del líquido cefalorraquídeo y se cree que contribuye a la salud neuronal durante el sueño.... Más

TI en Imaginología

ver canal
Imagen: La plataforma admite la creación de informes asistida por IA en tiempo real a medida que los radiólogos dictan, extrayendo los hallazgos del habla natural y colocándolos en las secciones apropiadas del informe (Crédito de la imagen: Adobe Stock)

Plataforma de informes con IA ambiental agiliza la elaboración de informes radiológicos

Los departamentos de radiología se enfrentan a un volumen creciente de imágenes y a la escasez de personal, lo que genera cuellos de botella en la elaboración de informes y presión... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.