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




Un estudio encuentra que la IA y los radiólogos logran mejores resultados cuando trabajan juntos

Por el equipo editorial de MedImaging en español
Actualizado el 31 Oct 2018
Un estudio realizado por investigadores de los Institutos de Ciencias Médicas de toda India ({AIIMS}Nueva Delhi, India) descubrió que cuando los radiólogos trabajan junto con la inteligencia artificial (IA) se pueden lograr mejores resultados, ayudando en la toma de decisiones basadas en casos.

En los últimos tiempos, ha habido muchas exageraciones acerca de que la IA hace que los radiólogos sean redundantes. El equipo de investigadores de AIIMS evaluó un simple flujo de trabajo de IA aumentada con radiólogo para demostrar si la inclusión de la opinión de un radiólogo en un algoritmo de IA haría que el algoritmo logre una mayor exactitud en comparación con un algoritmo entrenado en parámetros de imagen únicamente. Para el estudio, los conjuntos de datos de BI-RADS de fuente abierta se evaluaron para comprobar si la inclusión de la opinión de un radiólogo (en forma de clasificación de BI-RADS), además de los parámetros de imagen, mejoró la exactitud de la predicción de la histología utilizando tres algoritmos de aprendizaje automático vis-à-vis los algoritmos utilizando solo los parámetros de las imágenes.

De acuerdo con los resultados del estudio, los modelos que utilizan la clasificación BI-RADS proporcionada por el radiólogo se desempeñaron significativamente mejor que los modelos que no los usan. Los investigadores concluyeron que la IA y los radiólogos que trabajan juntos pueden lograr mejores resultados, ayudando en la toma de decisiones basadas en casos. Sin embargo, según los investigadores, una evaluación adicional de las métricas involucradas en el manejo de los predictores por los algoritmos de IA proporcionaría nuevos conocimientos sobre las imágenes.

Enlace relacionado:
AIIMS

New
Miembro Plata
X-Ray QA Device
Accu-Gold+ Touch Pro
Biopsy Software
Affirm® Contrast
X-ray Diagnostic System
FDX Visionary-A
Pocket Fetal Doppler
CONTEC10C/CL

Canales

Radiografía

ver canal
Imagen: la AI evalúa las mamografías mejor que los radiólogos (foto cortesía de la Universidad de Radboud)

Estrategia híbrida con IA mejora la interpretación de mamografías

Los programas de detección del cáncer de mama dependen en gran medida de la interpretación de las mamografías por parte de radiólogos, un proceso que requiere mucho tiempo... Más

Ultrasonido

ver canal
Imagen: la herramienta basada en ultrasonido NEOSONICS identifica de forma no invasiva los casos de meningitis infantil (foto cortesía de Newborn Solution)

Herramienta no invasiva basada en ultrasonido detecta con precisión la meningitis infantil

La meningitis, una inflamación de las membranas que rodean el cerebro y la médula espinal, puede ser mortal en bebés si no se diagnostica y trata a tiempo. Incluso con tratamiento, puede dejar daños permanentes,... 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

Imaginología General

ver canal
Imagen: un modelo de aprendizaje profundo basado en parches con un conjunto de datos de entrenamiento limitado para la segmentación de tumores hepáticos en TC con contraste (Yang et al. (2025), IEEE Access, 10.1109/Access.2025.3570728)

Modelo de IA segmenta con precisión tumores hepáticos a partir de tomografías computarizadas

El cáncer de hígado es el sexto tipo de cáncer más común en el mundo y una de las principales causas de muerte por cáncer. La segmentación precisa de los tumores hepáticos es crucial para el diagnóstico... 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.