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
Ingresar
Publique su anuncio con nosotros
Ampronix,  Inc

Download Mobile App




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
Print article
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:

Print article
Radcal

Canales

Ultrasonido

ver canal
Imagen: La aplicación Clarius Live permite compartir los exámenes de ecografía (Fotografía cortesía de Clarius MobileHealth).

Solución de telemedicina simplifica las consultas del ultrasonido

Una nueva función de transmisión en vivo permite a los profesionales médicos transmitir sus ecografías en tiempo real a cualquier navegador web estándar en dispositivos de escritorio y móviles.... Más

Imaginología General

ver canal
Imagen: Una mamografía (A) comparada con una resonancia magnética de la mama (B) (Fotografía cortesía de MedUni).

Realizar resonancias magnéticas de mama después del cáncer puede generar biopsias superfluas

Un estudio nuevo afirma que para las mujeres con antecedentes personales de cáncer de mama, la vigilancia de la mama usando resonancia magnética da como resultado índices más altos de biopsias y detección de cáncer.... Más

TI en Imaginología

ver canal
Imagen: El software empresarial uPath proporciona mejores herramientas de patología digital (Fotografía cortesía de Roche).

Un software de patología digital mejora la eficiencia del flujo de trabajo

Una plataforma de software novedosa reduce drásticamente los tiempos de generación de imágenes, integra el análisis automatizado de imágenes y permite un mejor intercambio de casos entre patólogos.... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.