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




La inteligencia artificial podría ayudar a reducir las dosis de gadolinio en la resonancia magnética

Por el equipo editorial de MedImaging en español
Actualizado el 24 Dec 2018
Imagen: Ejemplo de dosis completa, dosis baja del 10 por ciento y dosis baja mejorada con algoritmo (Fotografía cortesía de la RSNA).
Imagen: Ejemplo de dosis completa, dosis baja del 10 por ciento y dosis baja mejorada con algoritmo (Fotografía cortesía de la RSNA).
Investigadores de la Universidad de Stanford (Stanford, CA, EUA) utilizan la inteligencia artificial (IA) para reducir la dosis de un agente de contraste que puede quedar en el cuerpo después de los exámenes de resonancia magnética.

El gadolinio es un metal pesado utilizado como material de contraste para mejorar las imágenes de resonancia magnética. Los estudios recientes han encontrado que quedan cantidades trazas de metal en los cuerpos de las personas a quienes les practican exámenes con ciertos tipos de gadolinio. Aún no se conocen los efectos de estos depósitos, aunque los radiólogos trabajan para optimizar la seguridad del paciente y al mismo tiempo preservar la información importante proporcionada por los escáneres de resonancia magnética con gadolinio. Los investigadores de Stanford lo hacen estudiando el aprendizaje profundo, una técnica sofisticada de inteligencia artificial que enseña a las computadoras usando ejemplos. Al usar modelos llamados redes neuronales convolucionales, las computadoras pueden reconocer imágenes y encontrar distinciones sutiles entre los datos de las imágenes que un observador humano podría ser incapaz de discernir.

Para entrenar el algoritmo de aprendizaje profundo, los investigadores utilizaron imágenes de resonancia magnética de 200 pacientes a quienes les habían practicado estos exámenes con contraste para varias indicaciones. Recogieron tres conjuntos de imágenes para cada paciente: exámenes antes del contraste, realizadas antes de la administración de contraste y denominadas exámenes de dosis cero; exámenes de dosis bajas, adquiridas después de la administración del 10% de la dosis de gadolinio estándar; y exámenes de dosis completas, obtenidas después de la administración del 100% de la dosis. El algoritmo aprendió a aproximar las exploraciones de dosis completa de las imágenes de dosis cero y dosis bajas. Luego, los neurorradiólogos evaluaron las imágenes para mejorar el contraste y la calidad general.

Los resultados mostraron que la calidad de la imagen no era significativamente diferente entre las imágenes de dosis bajas, las imágenes de la resonancia magnética mejoradas con el algoritmo y las imágenes de RM mejoradas con contraste de dosis completa. Los resultados iniciales también demostraron el potencial para crear imágenes de resonancia magnética equivalentes a las obtenidas con la dosis completa, con contraste realzado, sin uso de agente de contraste. Estos hallazgos sugieren el potencial del método para reducir drásticamente la dosis de gadolinio sin sacrificar la calidad del diagnóstico. La investigación futura en el entorno clínico se centrará en la evaluación del algoritmo en una gama más amplia de escáneres de resonancia magnética y con diferentes tipos de agentes de contraste.

“Las imágenes de gadolinio en dosis bajas producen una importante información clínicamente útil sin explotar, a la que se puede acceder mediante el aprendizaje profundo y la IA”, dijo el autor principal del estudio, Enhao Gong, Ph.D., investigador de la Universidad de Stanford. “No tratamos de reemplazar la tecnología de imagenología existente. Tratamos de mejorarla y generar más valor a partir de la información existente, al mismo tiempo que cuidamos la seguridad de nuestros pacientes”.

Enlace relacionado:
Universidad de Stanford

Post-Processing Imaging System
DynaCAD Prostate
Multi-Use Ultrasound Table
Clinton
Biopsy Software
Affirm® Contrast
New
Mobile X-Ray System
K4W

Canales

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: los cristales de perovskita se cultivan en condiciones cuidadosamente controladas a partir de la masa fundida (foto cortesía de Mercouri Kanatzidis/Northwestern University)

Nueva cámara permite ver dentro del cuerpo humano para mejorar el escaneo y diagnóstico

Las exploraciones de medicina nuclear, como la tomografía computarizada por emisión de fotón único (SPECT), permiten a los médicos observar la función cardíaca,... Más

Imaginología General

ver canal
Imagen: la solución Angio-CT integra los últimos avances en imágenes de intervención (foto cortesía de Canon Medical)

Avanzada solución de angio-TC ofrece nuevas posibilidades terapéuticas

Mantener la precisión y la seguridad en radiología intervencionista es un desafío constante, especialmente a medida que los procedimientos complejos requieren tanto alta precisión... 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.