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




Se diseñó un modelo de aprendizaje profundo para prevenir los ciberataques en la imagenología médica

Por el equipo editorial de MedImaging en español
Actualizado el 26 Dec 2018
Imagen: Una investigación nueva presentada en la RSNA abordó la prevención de los ataques cibernéticos a las imágenes médicas (Fotografía cortesía de RSNA).
Imagen: Una investigación nueva presentada en la RSNA abordó la prevención de los ataques cibernéticos a las imágenes médicas (Fotografía cortesía de RSNA).
Los investigadores presentaron dos estudios nuevos en el reciente congreso anual de la Sociedad Radiológica de América del Norte (RSNA), que abordó el riesgo potencial de ciberataques en imagenología médica.

Los dispositivos de imagenología médica, como las máquinas de rayos X, de mamografía, de resonancia magnética y de tomografía computarizada, desempeñan un papel crucial en el diagnóstico y tratamiento. Dado que estos dispositivos suelen estar conectados a redes de hospitales, pueden ser potencialmente susceptibles a ataques cibernéticos sofisticados, incluidos ataques de ransomware que pueden deshabilitar las máquinas. Debido a su rol crítico en la sala de emergencias, los dispositivos de TC pueden enfrentar el mayor riesgo de ataque cibernético. Los investigadores y los expertos en ciberseguridad han comenzado a examinar formas de mitigar el riesgo de ataques cibernéticos en la imagenología médica antes de que se conviertan en un peligro real.

En el primer estudio presentado en la RSNA 2018, los investigadores de la Universidad Ben-Gurión del Negev identificaron áreas de vulnerabilidad y formas de aumentar la seguridad en los equipos de TC. Demostraron cómo un pirata informático podría pasar por alto los mecanismos de seguridad de una máquina de TC para manipular su comportamiento. Dado que la TC utiliza radiación ionizante, los cambios en la dosis podrían afectar negativamente la calidad de la imagen o, en casos extremos, incluso dañar al paciente. Los investigadores han desarrollado un sistema para la detección de anomalías utilizando varios métodos avanzados de aprendizaje automático y de aprendizaje profundo, con datos de entrenamiento que consisten en comandos reales grabados desde dispositivos reales. El modelo aprende a reconocer los comandos normales y a predecir si un comando nuevo que no se ve es legítimo o no. Si un atacante envía un comando malicioso al dispositivo, el sistema lo detectará y alertará al operador antes de que se ejecute el comando.

“En la fase actual de nuestra investigación, nos centramos en el desarrollo de soluciones para prevenir tales ataques con el fin de proteger los dispositivos médicos”, dijo Tom Mahler, Ph.D., candidato y profesor asistente en la Universidad Ben-Gurión del Negev. “Nuestra solución controla los comandos salientes del dispositivo antes de que se ejecuten y alertará y posiblemente se detendrá, si detecta anomalías”.

“En seguridad cibernética, es mejor tomar el modelo de protección 'cebolla' y construir la protección por capas”, agregó Mahler. “Los esfuerzos anteriores en esta área se han centrado en asegurar la red del hospital. Nuestra solución está orientada a los dispositivos, y nuestro objetivo es ser la última línea de defensa para los dispositivos de imagenología médica”.

En el segundo estudio presentado en la RSNA de este año, un equipo de investigadores suizos examinó la posibilidad de alterar los resultados de las mamografías. Los investigadores entrenaron una red adversarial generativa de ciclo consistente (CycleGAN), un tipo de aplicación de inteligencia artificial, en 680 imágenes mamográficas de 334 pacientes, para convertir imágenes que muestran cáncer en sanas y hacer lo mismo, a la inversa, para las imágenes de control normales. Su objetivo era determinar si un CycleGAN podía insertar o eliminar características específicas del cáncer en las mamografías de una manera realista. Las imágenes se presentaron a tres radiólogos, quienes las revisaron e indicaron si pensaban que las imágenes eran genuinas o modificadas. Ninguno de los radiólogos pudo diferenciar de manera confiable entre las dos.

“Como médicos, es nuestro deber moral proteger primero a nuestros pacientes de cualquier daño”, dijo Anton S. Becker, M.D, residente de radiología en el Hospital Universitario de Zúrich y ETH Zúrich, en Suiza. “Por ejemplo, como radiólogos estamos acostumbrados a proteger a los pacientes de la radiación innecesaria. Cuando las redes neuronales u otros algoritmos inevitablemente encuentran su camino en nuestra rutina clínica, necesitaremos aprender cómo proteger a nuestros pacientes de cualquier efecto secundario no deseado de estos también”.



Enlace relacionado:
Ultrasound Imaging System
P12 Elite
Ultrasound-Guided Biopsy & Visualization Tools
Endoscopic Ultrasound (EUS) Guided Devices
X-Ray Illuminator
X-Ray Viewbox Illuminators
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

Imaginología General

ver canal
Imágenes de resultado positivo en examen de detección de colonografía por TC en un hombre asintomático de 67 años (foto cortesía de Radiology)

La colonografía por TC supera a la prueba de ADN en heces para la detección del cáncer de colon

Dado que el cáncer colorrectal sigue siendo la segunda causa principal de muertes relacionadas con el cáncer a nivel mundial, la detección temprana mediante pruebas de cribado es fundamental... 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.