Inteligencia artificial de próxima generación mejora el diagnóstico por imágenes médicas

A pesar de los notables avances en inteligencia artificial (IA), los estudios han encontrado que es posible que no pueda mejorar la precisión de los diagnósticos médicos. Por lo tanto, es vital que los algoritmos de diagnóstico asistidos por computadora de próxima generación sean interactivos y altamente precisos para utilizar el verdadero potencial de la IA para mejorar el diagnóstico médico.

La Universidad de Houston (Houston, TX, EUA) recibió recientemente una subvención del Instituto Nacional del Cáncer para su próximo proyecto de creación de un nuevo sistema de IA que se enfocará en mejorar el diagnóstico del cáncer de pulmón. Este proyecto planea desarrollar un marco de colaboración humano-IA, que utilizará el seguimiento de la mirada, la ingeniería inversa intencional y el aprendizaje de refuerzo para determinar cuándo y cómo un sistema de IA debe interactuar con los radiólogos para realizar un diagnóstico médico.

El objetivo principal de este proyecto es crear una interfaz fácil de usar y que interfiera mínimamente que permita la interacción entre el radiólogo y la IA. Se centrará en dos aplicaciones clínicas principales: detección de nódulos pulmonares y embolia pulmonar. El cáncer de pulmón se ubica como el segundo cáncer más común, y la embolia pulmonar es la tercera causa más común de muerte cardiovascular. Este proyecto investigará más a fondo asuntos que han sido poco exploradas en gran medida, como cuándo y cómo los sistemas de IA deben interactuar con los radiólogos y cómo modelar los procesos de exploración visual de los radiólogos.

“Estudiar cómo la IA puede ayudar a los radiólogos a reducir los errores de diagnóstico de estas enfermedades tendrá un impacto clínico significativo”, dijo Hien Van Nguyen, profesor asociado de ingeniería eléctrica e informática de la Universidad de Houston, quien dirige el proyecto. “Nuestros enfoques son creativos y originales porque representan una desviación sustancial de los algoritmos existentes. En lugar de proporcionar continuamente predicciones de IA, nuestro sistema utiliza un agente de aprendizaje de refuerzo asistido por la mirada para determinar el momento óptimo y el tipo de información para presentar a los radiólogos. Nuestro proyecto promoverá las estrategias para diseñar interfaces de usuario para la interacción médico-IA mediante la combinación de metodologías novedosas de IA y detección con la mirada”.

Enlaces relacionados:
Universidad de Houston

Visitar la expo >

Medical Radiographic X-Ray Machine

TR30N HF

X-Ray Illuminator

X-Ray Viewbox Illuminators

Digital Radiographic System

OMNERA 300M

Breast Localization System

MAMMOREP LOOP