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
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Nuevos sistemas de puntuación aumentan precisión de informes de radiología generados por IA

Por el equipo editorial de MedImaging en español
Actualizado el 20 Aug 2023
Imagen: Los científicos han diseñado una nueva forma de calificar la precisión de los informes de radiología generados por IA (Fotografía cortesía de Freepik)
Imagen: Los científicos han diseñado una nueva forma de calificar la precisión de los informes de radiología generados por IA (Fotografía cortesía de Freepik)

Las herramientas de inteligencia artificial (IA) que producen de manera eficiente informes narrativos detallados de tomografías computarizadas o radiografías pueden aligerar significativamente la carga de trabajo de los atareados radiólogos. Estos informes de IA van más allá de la simple identificación de anomalías y, en cambio, proporcionan información de diagnóstico compleja, descripciones detalladas, hallazgos matizados y grados apropiados de incertidumbre, de manera similar a cómo los radiólogos humanos describen los resultados de las exploraciones. Si bien han surgido varios modelos de IA capaces de generar informes de imágenes médicas tan detallados, según un nuevo estudio, los sistemas de puntuación automatizados destinados a evaluar estas herramientas están demostrando ser menos efectivos para medir su rendimiento.

En el estudio, los investigadores de la Facultad de Medicina de Harvard (Boston, MA, EUA) probaron varias métricas de puntuación en informes narrativos generados por IA y seis radiólogos humanos leyeron estos informes. El análisis reveló que los sistemas de puntuación automatizados se desempeñaron de manera deficiente en comparación con los radiólogos humanos cuando se trataba de evaluar los informes generados por IA. Estos sistemas malinterpretaron e incluso pasaron por alto errores clínicos significativos cometidos por la herramienta de IA. Garantizar la confiabilidad de los sistemas de puntuación es crucial para que las herramientas de IA continúen mejorando y ganando la confianza de los médicos. Sin embargo, las métricas probadas en el estudio no lograron identificar de manera confiable los errores clínicos en los informes de IA, lo que destaca una necesidad urgente de mejora y el desarrollo de sistemas de puntuación de alta fidelidad que controlen con precisión el desempeño de la herramienta.

Para crear mejores métricas de puntuación, el equipo de investigación diseñó un nuevo método llamado RadGraph F1 para evaluar el desempeño de las herramientas de IA que generan informes radiológicos a partir de imágenes médicas. Además, crearon una herramienta de evaluación compuesta llamada RadCliQ, que combina múltiples métricas para producir una puntuación única que está mas alineada con la forma en que un radiólogo humano evaluaría el desempeño de un modelo de IA. Usando estas nuevas herramientas de puntuación, los investigadores evaluaron varios modelos de IA de última generación y encontraron una brecha notable entre sus puntuaciones reales y las puntuaciones más altas posibles.

En el futuro, los investigadores prevén construir modelos de IA médicos generalistas capaces de realizar varias tareas complejas, incluida la resolución de problemas novedosos. Dichos sistemas de IA podrían comunicarse de manera efectiva con radiólogos y médicos sobre imágenes médicas, ayudando en las decisiones de diagnóstico y tratamiento. El equipo también tiene como objetivo desarrollar asistentes de IA que puedan explicar los hallazgos de imágenes directamente a los pacientes utilizando un lenguaje cotidiano, mejorando la comprensión y el compromiso del paciente. En última instancia, estos avances podrían revolucionar las prácticas de imágenes médicas, mejorando la eficiencia, la precisión y la atención al paciente.

“Evaluar con precisión los sistemas de IA es el primer paso crítico para generar informes de radiología que sean clínicamente útiles y confiables”, dijo el autor principal del estudio, Pranav Rajpurkar, profesor asistente de informática biomédica en el Instituto Blavatnik en HMS. “Al alinearse mejor con los radiólogos, nuestras nuevas métricas acelerarán el desarrollo de la IA que se integra a la perfección en el flujo de trabajo clínico para mejorar la atención al paciente”.

Enlaces relacionados:
Facultad de Medicina de Harvard

New
Half Apron
Demi
X-ray Diagnostic System
FDX Visionary-A
Portable X-ray Unit
AJEX140H
Digital X-Ray Detector Panel
Acuity G4

Canales

Radiografía

ver canal
Imagen: un algoritmo de aprendizaje profundo detecta los niveles de calcio en la arteria coronaria en tomografías computarizadas de tórax (foto cortesía de Adobe Stock)

IA detecta enfermedades cardíacas ocultas en TC de tórax existentes

El calcio en la arteria coronaria (CAC) es un indicador importante del riesgo cardiovascular, pero su evaluación suele requerir una tomografía computarizada (TC) especializada (gated) que... Más

RM

ver canal
Imagen: los investigadores utilizaron RM y pantalones inspirados en la NASA para mejorar las pruebas de esfuerzo y revelar problemas cardíacos ocultos (foto cortesía de UTA)

Nueva técnica de resonancia magnética revela problemas cardíacos ocultos

Las pruebas de esfuerzo tradicionales, realizadas en una máquina de resonancia magnética (RM), requieren que los pacientes permanezcan acostados, una posición que mejora artificialmente... Más

Ultrasonido

ver canal
Imagen: el nuevo dispositivo implantable para el tratamiento del dolor crónico es pequeño y flexible (foto cortesía de The Zhou Lab at USC)

Dispositivo inalámbrico para el manejo del dolor crónico reduce la necesidad de analgésicos y cirugía

El dolor crónico afecta a millones de personas en todo el mundo, lo que a menudo provoca discapacidad a largo plazo y dependencia de opioides, los cuales conllevan riesgos importantes de efectos... Más

Medicina Nuclear

ver canal
Imagen: El estudio de imágenes de cáncer de próstata tiene como objetivo reducir la necesidad de biopsias (foto cortesía de Shutterstock)

Nuevo enfoque de imagen podría reducir la necesidad de biopsias para monitorear el cáncer de próstata

El cáncer de próstata es la segunda causa principal de muerte por cáncer en hombres en Estados Unidos. Sin embargo, la mayoría de los hombres mayores diagnosticados con esta... 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
Copyright © 2000-2025 Globetech Media. All rights reserved.