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

Deascargar La Aplicación Móvil




Un mapa de ruta nuevo define las prioridades en la investigación de la IA para la imagenología médica

Por el equipo editorial de Medimaging en español
Actualizado el 30 Apr 2019
Print article
Imagen: Se ha publicado un informe nuevo que describe las prioridades de investigación de la IA para la imagenología médica (Fotografía cortesía de Getty Images).
Imagen: Se ha publicado un informe nuevo que describe las prioridades de investigación de la IA para la imagenología médica (Fotografía cortesía de Getty Images).
Un informe que establece una hoja de ruta describiendo las prioridades en la investigación fundamental y traslacional en inteligencia artificial (IA) para la imagenología médica fue publicado en la revista Radiology. A principios del verano, se publicará un segundo informe sobre la investigación traslacional en IA que se enfoca en problemas de la IA en el mundo real, en la revista Journal of the American College of Radiology (JACR).

Ambos informes son el resultado de un taller convocado en agosto pasado por el Instituto Nacional de Imágenes Biomédicas y Bioingeniería en el NIH para explorar el futuro de la IA en la imagenología médica. El taller reunió a sociedades especializadas del gobierno, la industria, la academia y la radiología para crear una hoja de ruta que establece un camino para la investigación fundamental en IA y la investigación traslacional necesaria para entregar la IA a la práctica clínica. Los organizadores del taller esperan continuar con su trabajo juntos para continuar identificando las lagunas de conocimiento y priorizar las necesidades de investigación para promover el desarrollo de la inteligencia artificial para la imagenología médica.

“Todos apreciamos que la NIBIB haya sido el anfitrión de este importante evento. El taller fue una gran oportunidad para que la comunidad de radiología se reuniera para discutir las necesidades y los desafíos de la investigación de inteligencia artificial que enfrenta nuestra especialidad y desarrollar una hoja de ruta para la investigación futura en imágenes médicas”, dijo Bibb Allen, MD, copresidente del taller y director médico del Instituto de Ciencia de Datos de la ACR. “Esperamos poder publicar la hoja de ruta para la investigación traslacional, incluidos los métodos para resolver algunos de estos problemas de la IA en el mundo real”.

“Este taller de colaboración entre los NIH y las principales organizaciones de radiología fue fundamental para reunir a las partes interesadas clave para definir las oportunidades atractivas para la investigación de la IA en las imágenes médicas”, dijo Curtis P. Langlotz, MD, PhD, copresidente del taller, profesor de radiología e informática biomédica, director del Centro de Inteligencia Artificial en Medicina e Imagenología en la Universidad de Stanford, y enlace de la junta de la RSNA para la tecnología de la información y el congreso anual. “Los resultados publicados del evento ayudan a preparar el escenario para que nuestros colegas y otros grupos interesados trabajen para llevar estas innovaciones a los pacientes”.

“El taller amplió nuestro conocimiento colectivo sobre la utilidad potencial de la Inteligencia Artificial para mejorar la eficiencia y la exactitud de los sistemas de diagnóstico”, dijo Steven E. Seltzer, MD, FACR, investigador de políticas de salud y ciencias de la Academia de Radiología e Investigación de Imágenes Biomédicas. “Si en el futuro, la necesidad de un diagnóstico de exactitud requiere una recopilación de imágenes de los sistemas de radiología, patología y ‘ómica’ en una ‘Cabina de mando’ de diagnóstico, el observador humano necesitará una ayuda considerable de las computadoras para extraer información óptima de múltiples fuentes dispares. La IA puede ser un ingrediente clave en este proceso”.

Enlace relacionado:

Print article
Radcal

Canales

Ultrasonido

ver canal
Imagen: Una nueva investigación afirma que la búsqueda de rayos X con mejores imágenes puede llevar a una mayor exposición (Fotografía cortesía de Getty Images).

Llegada de la RD podría conducir a una fluencia de la colimación

El cambio a la radiografía digital (RD) puede dar lugar a un “arrastre de dosis”, en el que los niveles de radiación aumentan lentamente con el tiempo a medida que los radiólogos intentan producir una... Más

Imaginología General

ver canal
Imagen: El profesor Lyes Kadem (I) y el duplicador del corazón izquierdo personalizado de activación doble (Fotografía cortesía de la Universidad de Concordia).

RM de contraste de fase puede evaluar la función de las válvulas artificiales del corazón

De acuerdo con un estudio nuevo, las imágenes de resonancia magnética (RM) sin contraste de fase no invasivas y libres de radiación pueden detectar obstrucciones en las válvulas cardíacas mecánicas de... 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.