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  

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
1.5T MRI Scanner
MAGNETOM Amira
Ultrasound System
Aplio me
Remote Controlled Digital Radiography and Fluoroscopy System
Eco Track-DRF - MARS 50/MARS50+/MARS 65/MARS 80

Print article
Radcal

Canales

RM

ver canal
Imagen: Las vías del cerebro destacadas son las más afectadas por una conmoción cerebral (foto cortesía de Benjamin Hacker, et al)

Modelo de IA diagnostica lesiones cerebrales traumáticas a partir de resonancias magnéticas con un 99 % de precisión

Una conmoción cerebral es un tipo de lesión cerebral traumática que puede provocar alteraciones temporales en la función cerebral. Ocurren debido a incidentes como lesiones... Más

Ultrasonido

ver canal
Imagen: Las nuevas aplicaciones habilitadas con IA, aprobadas por la FDA, se han integrado en los sistemas de ultrasonido EPIQ CVx y Affiniti CVx (foto cortesía de Royal Philips)

Plataforma de ultrasonido cardiovascular habilitada por IA de próxima generación acelera el análisis

La insuficiencia cardíaca es un importante desafío de salud mundial que afecta aproximadamente a 64 millones de personas en todo el mundo. Está asociada con altas tasas de mortalidad... 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: Calantic Digital Solutions  es una suite coordinada de soluciones de radiología basadas en IA que tiene como objetivo transformar la radiología (Foto cortesía de Bayer)

Bayer y Rad AI colaboran para expandir el uso de soluciones operativas de radiología de vanguardia basadas en IA

Los datos de imagen constituyen aproximadamente el 90 % de todos los datos médicos, y el volumen de estos datos sigue aumentando, lo que incrementa significativamente la carga de trabajo para los... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.