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




Herramienta de IA predice con precisión los resultados de la extracción de coágulos arteriales

Por el equipo editorial de MedImaging en español
Actualizado el 15 Sep 2024
Imagen: La herramienta AI predice los resultados del accidente cerebrovascular después de la eliminación del coágulo arterial con una precisión del 78% (foto cortesía de Adobe Stock)
Imagen: La herramienta AI predice los resultados del accidente cerebrovascular después de la eliminación del coágulo arterial con una precisión del 78% (foto cortesía de Adobe Stock)

En los protocolos actuales de tratamiento de los accidentes cerebrovasculares, las técnicas de diagnóstico por imagen avanzadas, en particular la angiografía por tomografía computarizada (ATC), desempeñan un papel crucial en la determinación de la estrategia de manejo para la oclusión de grandes vasos (OVG). La ATC es fundamental no solo para evaluar la elegibilidad del paciente para el tratamiento, sino también para analizar el suministro colateral arterial y predecir el pronóstico de los resultados funcionales del accidente cerebrovascular. Se sabe que es más sensible que la tomografía computarizada (TC) sin contraste para identificar los primeros signos de infarto. Además, investigaciones recientes han demostrado la utilidad de la ATC en el pronóstico a largo plazo. La llegada de la inteligencia artificial (IA) ha introducido modelos innovadores capaces de predecir los resultados a largo plazo basándose en las imágenes iniciales del accidente cerebrovascular. Estos modelos extraen datos pronósticos directamente de las ATC realizadas al momento de la admisión, proporcionando previsiones de los resultados de los pacientes. Ahora, un nuevo modelo de aprendizaje profundo puede predecir con precisión los resultados posquirúrgicos de los pacientes con accidente cerebrovascular por OVG a partir de exploraciones de ATC iniciales.

Un equipo de investigación dirigido por la Escuela de Medicina de Yale (New Haven, Connecticut, EUA) uutilizó datos de pacientes sometidos a trombectomías entre 2014 y 2020 para entrenar tres modelos distintos utilizando ATC de admisión. Estos modelos también consideraron variables como el tiempo hasta la cirugía, la edad, el sexo y las puntuaciones de la escala de accidentes cerebrovasculares del NIH. Esta investigación culminó en un modelo de aprendizaje profundo completamente automatizado que puede determinar con precisión los resultados del accidente cerebrovascular a partir de imágenes de admisión y varios escenarios de tratamiento, logrando una tasa de precisión del 78% en validaciones independientes. Según los investigadores, esta herramienta facilita la toma de decisiones rápida y precisa al establecer un "disparador de tratamiento" que podría iniciar la secuencia de tratamiento después de la cirugía. Los hallazgos de este estudio se publicaron en la revista Frontiers in Artificial Intelligence .

"El modelo de aprendizaje profundo desarrollado por nuestro equipo de investigación es el primer paso hacia la mecanización inteligente del protocolo de neuroimagenología del ictus", dijo el Dr. Sam Payabvash, profesor asociado de radiología e imágenes biomédicas y autor principal del estudio. "Cabe destacar que el modelo puede basarse únicamente en las angiografías por TC del cerebro, que invariablemente están presentes en el momento del diagnóstico del ictus. Por lo tanto, nuestro modelo basado en información de imágenes puede proporcionar predicciones rápidas y objetivas independientemente de la experiencia local y otras variabilidades, lo que orienta el tratamiento en comunidades con recursos limitados".

Enlaces relacionados:
Escuela de Medicina Yale

Wall Fixtures
MRI SERIES
Ultrasound Imaging System
P12 Elite
X-ray Diagnostic System
FDX Visionary-A
Ultra-Flat DR Detector
meX+1717SCC

Canales

RM

ver canal
Imagen: una resonancia magnética cardíaca con contraste de un paciente con miocardiopatía hipertrófica considerado por MAARS con alto riesgo de muerte súbita (foto cortesía de la Universidad Johns Hopkins)

Modelo de IA supera a los médicos en la identificación de pacientes con mayor riesgo de paro cardíaco

La miocardiopatía hipertrófica es una de las cardiopatías hereditarias más comunes y una de las principales causas de muerte súbita cardíaca en jóvenes y deportistas.... 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: la herramienta de diagnóstico podría mejorar las decisiones de diagnóstico y tratamiento para pacientes con infecciones pulmonares crónicas (foto cortesía de SNMMI)

Nueva técnica de PET específica para bacterias detecta infecciones pulmonares difíciles de diagnosticar

Mycobacteroides abscessus es una micobacteria de rápido crecimiento que afecta principalmente a pacientes inmunodeprimidos y a personas con enfermedades pulmonares preexistentes, como fibrosis... 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.