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
CIRS

Deascargar La Aplicación Móvil




Eventos

ATENCIÓN: Debido a la EPIDEMIA DE CORONAVIRUS, ciertos eventos están siendo reprogramados para una fecha posterior o cancelados por completo. Verifique con el organizador del evento o el sitio web antes de planificar cualquier evento próximo.

Algoritmo de IA identifica a los pacientes que se pueden beneficiar de la cirugía de remoción de coágulos

Por el equipo editorial de MedImaging en español
Actualizado el 22 Oct 2019
Print article
Imagen: El algoritmo de aprendizaje automático, llamado DeepSymNet, aprendió a identificar los bloqueos de los vasos sanguíneos posteriores al accidente cerebrovascular a partir de imágenes de angiografía por TC (Fotografía cortesía de Medical Xpress).
Imagen: El algoritmo de aprendizaje automático, llamado DeepSymNet, aprendió a identificar los bloqueos de los vasos sanguíneos posteriores al accidente cerebrovascular a partir de imágenes de angiografía por TC (Fotografía cortesía de Medical Xpress).
Investigadores del Centro de Ciencias de la Salud de la Universidad de Texas (Houston, TX, EUA) desarrollaron un algoritmo que puede ayudar a los médicos fuera de los principales centros de tratamiento de accidentes cerebrovasculares, a evaluar si un paciente que sufre un accidente cerebrovascular isquémico, se podría beneficiar de un procedimiento endovascular que elimine un coágulo que bloquea una arteria.

La trombectomía endovascular implica enhebrar un catéter a través de la arteria femoral en la pierna hasta llegar al cerebro, donde el coágulo se puede eliminar mecánicamente. Estudios anteriores han demostrado que el procedimiento puede mejorar los resultados para los pacientes con accidente cerebrovascular solo en casos de lesión mínima al tejido cerebral durante el tratamiento. Sin embargo, solo la neuroimagenología avanzada en forma de imágenes emergentes de resonancia magnética o perfusión de tomografía computarizada (TC) permite detectar si el tratamiento será adecuado para un paciente. Dicha tecnología y experiencia generalmente no están disponibles en la mayoría de los hospitales comunitarios y centros primarios de accidentes cerebrovasculares.

Para llenar este vacío, el equipo de investigadores desarrolló una herramienta de aprendizaje automático que se puede utilizar con la técnica ampliamente disponible de imágenes de angiografía por TC. La herramienta puede analizar imágenes “aprendiendo” automáticamente patrones sutiles de imágenes que se pueden usar como proxy para otras modalidades de imagenología más avanzadas, pero no fácilmente disponibles, como la perfusión TC. Los investigadores probaron la herramienta identificando pacientes en su registro de accidente cerebrovascular que sufrieron un accidente cerebrovascular o tenían afecciones que lo imitaban. De los 224 pacientes que sufrieron un derrame cerebral, 179 tenían bloqueos en los vasos sanguíneos cerebrales. El algoritmo de aprendizaje automático, llamado DeepSymNet, aprendió a identificar estos bloqueos a partir de las imágenes de angiogramas TC, y entrenó al software para usar esas mismas imágenes para definir el área del cerebro que había muerto, usando escáneres de perfusión TC adquiridos concurrentemente como el “estándar de oro”.

“La ventaja es que no tiene que estar en un centro de salud académico o en un hospital de atención terciaria para determinar si este tratamiento beneficiaría al paciente o no. Y lo mejor de todo, el angiograma TC ya se usa ampliamente para pacientes con accidente cerebrovascular”, dijo Sunil A. Sheth, MD, autor correspondiente y profesor asistente de neurología de la Facultad de Medicina McGovern de UT Health.

Enlace relacionado:
Centro de Ciencias de la Salud de la Universidad de Texas


Print article
Radcal
Sun Nuclear

Canales

Radiografía

ver canal
Imagen: El primer sistema de rayos X para cardiología habilitado para IA aprobado por la FDA (Fotografía cortesía de Omega Medical)

Primer sistema de rayos X habilitado para IA aprobado por la FDA para cardiología reduce la dosis hasta en un 84 %

El primer sistema de rayos X habilitado para IA, aprobado por la FDA, que está diseñado específicamente para laboratorios de cardiología, representa el próximo salto... Más

RM

ver canal
Imagen: Locus coeruleus como se ve en un escáner  de resonancia magnética 7T (Fotografía cortesía de la Universidad de Cambridge)

Escáneres de resonancia magnética 7T ultrapotentes podrían ayudar a curar síntomas previamente intratables en enfermedad de Parkinson

Tanto la enfermedad de Parkinson como un trastorno relacionado, la parálisis supranuclear progresiva (PSP), son enfermedades cerebrales progresivas que no solo afectan el movimiento sino que también... Más

Ultrasonido

ver canal
Imagen: QUSTom es el primer proyecto que utilizará la supercomputación para detectar tumores (Fotografía cortesía de Pexels)

Modalidad de imagen que combina ultrasonido y supercomputación podría revolucionar la detección del cáncer de mama

El cáncer de mama es el tipo de tumor diagnosticado con más frecuencia en el mundo, con 2,3 millones de mujeres diagnosticadas en 2020 y 700.000 muertes por esta enfermedad ese mismo año.... Más

Imaginología General

ver canal
Imagen: TC de la articulación del dedo (Fotografía cortesía de FAU)

Inteligencia artificial permite la detección temprana de artritis mediante escaneos HR-pQCT

Hay muchos tipos diferentes de artritis, y no siempre es fácil diagnosticar el tipo exacto de enfermedad inflamatoria que afecta las articulaciones de un paciente. La falta de biomarcadores actualmente,... Más

TI en Imaginología

ver canal
Imagen: Cómo funciona el manejo de imágenes médicas de Nucleus.io (Fotografía cortesía de NucleusHealth)

Plataforma para el manejo de imágenes agiliza los planes de tratamiento

Un conjunto de soluciones de software del ecosistema de imágenes proporciona accesibilidad segura a las imágenes médicas, mejorando los flujos de trabajo y la atención a los pacientes. La plataforma... Más
Copyright © 2000-2022 Globetech Media. All rights reserved.