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




Exploraciones cerebrales FDG-PET 'futuras' habilitadas para IA predicen cambios cerebrales en pacientes con Alzheimer

Por el equipo editorial de MedImaging en español
Actualizado el 12 Jul 2023
Print article
Imagen: Un algoritmo puede pronosticar el desarrollo del cerebro a partir de imágenes obtenidas en los exámenes FDG-PET (Fotografía cortesía de Freepik)
Imagen: Un algoritmo puede pronosticar el desarrollo del cerebro a partir de imágenes obtenidas en los exámenes FDG-PET (Fotografía cortesía de Freepik)

Investigaciones anteriores han demostrado que la inteligencia artificial (IA) puede predecir cambios sintomáticos clínicos en trastornos neuropsiquiátricos en función de los datos de neuroimagen de referencia. Sin embargo, los estudios exitosos que predicen cambios longitudinales reales en todo el cerebro son relativamente pocos en comparación con aquellos que se centran en alteraciones longitudinales específicas como el volumen del hipocampo. Ahora, un estudio preliminar indica que un algoritmo basado en el aprendizaje profundo puede predecir con precisión el desarrollo del cerebro hasta seis años después de una evaluación inicial de la enfermedad de Alzheimer mediante exploraciones FDG-PET.

Investigadores del Centro Alemán de Enfermedades Neurodegenerativas (DZNE, Göttingen, Alemania) emplearon una red neuronal convolucional (CNN) para entrenar un algoritmo en las dos primeras exploraciones FDG-PET para predecir la tercera exploración adquirida en participantes de edad avanzada (>+ 55 años), que se realizaron imágenes FDG-PET en tres años consecutivos. El algoritmo predijo con éxito la futura señal general de FDG-PET para todo el cerebro, es decir, la reducción metabólica, que indica actividad neuronal. La herramienta también fue capaz de anticipar una futura disminución de la señal, o una reducción metabólica, lo que refleja una pérdida de actividad neuronal.

Las capacidades del algoritmo podrían ampliarse para predecir los resultados de FDG-PET hasta seis años después de la exploración inicial, mediante el uso secuencial de la salida del modelo como entrada para las predicciones del año siguiente. Además, la herramienta pareció detectar procesos neurodegenerativos en curso al inicio del estudio, ya que predijo una disminución significativa de la señal en el año 2 en pacientes con enfermedad de Alzheimer (EA), especialmente en regiones propensas a la EA, como las regiones parietal y temporal inferior bilateral, y la corteza cingulada posterior. Poseer una herramienta que pronostica exploraciones FDG-PET longitudinales basadas en exploraciones obtenidas al inicio y un año después podría mejorar la atención al paciente. Este estudio explora un nuevo territorio, ya que la predicción de cambios metabólicos longitudinales en el cerebro, medidos por FDG-PET, rara vez se había examinado antes.

“Tal algoritmo permitiría a los médicos leer un 'futuro' escaneo cerebral FDG-PET anticipado como lo harían en su rutina normal, pero con años de anticipación”, dijo Elena Doering, estudiante de doctorado en DZNE. “Esperamos que nuestro trabajo pueda brindar un beneficio clínico de dos maneras: mejorar el diagnóstico temprano o brindar un pronóstico confiable; y permitir la predicción individual de cambios patológicos cerebrales a lo largo del tiempo”.

Enlaces relacionados:
DZNE  

New
Portable X-ray Unit
AJEX140H
Digital Radiographic System
OMNERA 300M
LED-Based X-Ray Viewer
Dixion X-View
Radiation Therapy Treatment Software Application
Elekta ONE

Print article

Canales

Radiografía

ver canal
Imagen:Los gráficos ilustran cómo se ven las imágenes 3D con XACT con ejemplos del logotipo de la UC a la izquierda y una muestra de hueso a la derecha (foto cortesía de la Escuela de Medicina de UCI)

Imágenes 3D por TC a partir de una sola proyección de rayos X reducen la exposición a la radiación

La tomografía computarizada (TC) ha sido durante mucho tiempo una herramienta esencial en la obtención de imágenes modernas, ya que ofrece vistas 3D detalladas del cuerpo humano y otros materiales.... Más

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.