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
Radcal IBA  Group

Deascargar La Aplicación Móvil




IA detecta la enfermedad del hígado graso a partir de radiografías de tórax

Por el equipo editorial de MedImaging en español
Actualizado el 04 Jul 2025
Imagen: proceso de toma de decisiones de IA con imágenes de radiografías de tórax (foto cortesía de la Universidad Metropolitana de Osaka)
Imagen: proceso de toma de decisiones de IA con imágenes de radiografías de tórax (foto cortesía de la Universidad Metropolitana de Osaka)

Se cree que la enfermedad del hígado graso, que resulta de la acumulación excesiva de grasa en el hígado, afecta aproximadamente a una de cada cuatro personas a nivel mundial. Si no se trata a tiempo, puede progresar a enfermedades graves como cirrosis y cáncer de hígado, lo que subraya la importancia de la detección y el tratamiento tempranos. Las herramientas de diagnóstico estándar actuales para la enfermedad del hígado graso incluyen ecografías, tomografías computarizadas (TC) y resonancias magnéticas (RM), todas las cuales requieren equipos costosos y especializados, e instalaciones especializadas.

En cambio, las radiografías de tórax son más comunes, rentables y con mínima radiación. Aunque se emplean principalmente para evaluar los pulmones y el corazón, también permiten visualizar parcialmente el hígado, lo que permite identificar signos de hígado graso. A pesar de este potencial, la relación entre las radiografías de tórax y esta afección ha sido poco estudiada en profundidad. Ahora, investigadores han creado un modelo de IA capaz de identificar el hígado graso mediante imágenes de radiografías de tórax.

En un estudio retrospectivo, un equipo de investigación de la Universidad Metropolitana de Osaka (Osaka, Japón) utilizó 6.599 radiografías de tórax de 4.414 pacientes para desarrollar su modelo de IA basado en puntuaciones del parámetro de atenuación controlada (CAP). Sus resultados, publicados en Radiology Cardiothoracic Imaging, demostraron que el modelo de IA alcanzó una alta precisión, con un área bajo la curva ROC (AUC) que oscilaba entre 0,82 y 0,83.

“El desarrollo de métodos de diagnóstico que utilicen radiografías de tórax, fácilmente accesibles y de bajo costo, tiene el potencial de mejorar la detección de la enfermedad del hígado graso. Esperamos que pueda implementarse en la práctica en el futuro”, afirmó la profesora asociada Sawako Uchida-Kobayashi, quien dirigió la investigación.

Enlaces relacionados:
Universidad Metropolitana de Osaka

Half Apron
Demi
Mammo DR Retrofit Solution
DR Retrofit Mammography
Biopsy Software
Affirm® Contrast
Diagnostic Ultrasound System
DC-80A

Canales

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.