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
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Interpretación de radiografía de tórax asistida por IA mejora rendimiento y eficiencia del lector

Por el equipo editorial de MedImaging en español
Actualizado el 06 Sep 2022
Print article
Imagen: La interpretación de la radiografía de torax asistida por IA mejora el rendimiento y la eficiencia del lector (Fotografía cortesía de Pexels)
Imagen: La interpretación de la radiografía de torax asistida por IA mejora el rendimiento y la eficiencia del lector (Fotografía cortesía de Pexels)

Ha habido un interés creciente, con el auge de las aplicaciones de aprendizaje profundo e inteligencia artificial (IA) en imágenes médicas, para crear algoritmos de IA para radiografías de tórax que puedan ayudar a los médicos a detectar con precisión y eficiencia hallazgos radiográficos clave. La investigación muestra que los algoritmos de IA pueden mejorar el rendimiento de los lectores cuando se usan de manera simultánea. Sin embargo, existen preocupaciones sobre cuál sería el impacto de la IA en el mundo real, dado que la mayoría de las investigaciones se realizaron en un entorno simulado sin una herramienta de rendimiento del observador que imita el flujo de trabajo del mundo real. También hay una falta de evidencia sobre el impacto de la IA en la eficiencia del lector, especialmente en términos del tiempo que tardan los lectores en completar sus informes. Ahora, un nuevo estudio que exploró el impacto de la IA en el rendimiento del lector, tanto en términos de precisión como de eficiencia, descubrió que un algoritmo de IA puede mejorar el rendimiento del lector y la eficiencia en la interpretación de anomalías en la radiografía de tórax.

Investigadores del Hospital General de Massachusetts (Boston, MA, EUA) realizaron un estudio de cohorte multicéntrico de abril a noviembre de 2021 que involucró a radiólogos, incluidos los radiólogos asistentes, becarios de radiología torácica y residentes, quienes participaron de forma independiente en dos sesiones de prueba de desempeño del observador. El estudio involucró un total de 497 radiografías frontales de tórax de pacientes adultos con y sin cuatro hallazgos objetivo (neumonía, nódulo, neumotórax y derrame pleural). Se utilizó un algoritmo de IA disponible comercialmente (Lunit INSIGHT CXR, versión 3.1.2.0) para procesar las imágenes de radiografía de tórax. Las sesiones incluyeron una sesión de lectura con IA y una sesión sin IA, de forma cruzada aleatoria con un período de lavado de cuatro semanas en el medio. La IA produjo un mapa de calor y la probabilidad a nivel de imagen de la presencia de la lesión referible.

Las verdades básicas de las etiquetas se crearon a través de la lectura consensuada de dos radiólogos torácicos. Cada lector documentó sus hallazgos en una plantilla de informe personalizada, en la que se registraron los cuatro hallazgos objetivo de la radiografía de tórax y la confianza del lector en la presencia de cada hallazgo. También se registró el tiempo necesario para informar cada radiografía de tórax. Se calcularon la sensibilidad, la especificidad y el área bajo la curva característica operativa del receptor (AUROC) para cada hallazgo objetivo. Los hallazgos objetivo se encontraron en 351 de 497 radiografías de tórax. La IA se asoció con una mayor sensibilidad para todos los hallazgos en comparación con los lectores. La interpretación asistida por IA se asoció con una sensibilidad del lector significativamente mejorada para todos los hallazgos objetivo, sin impactos negativos en la especificidad. En general, las AUROC de los lectores mejoraron para los cuatro hallazgos objetivo, con mejoras significativas en la detección de neumotórax y nódulos. El tiempo de información con IA fue un 10 % menor que sin IA.

En conclusión, el uso de un algoritmo de IA se asoció con una mejor sensibilidad para la detección de cuatro hallazgos de radiografía de tórax objetivo (neumonía, nódulos pulmonares, derrame pleural y neumotórax) para radiólogos, becarios de imágenes torácicas y residentes de radiología, manteniendo al mismo tiempo la especificidad Estos hallazgos sugieren que un algoritmo de IA puede mejorar el rendimiento y la eficiencia del lector en la interpretación de anomalías en la radiografía de tórax.

Enlaces relacionados:
Hospital General de Massachusetts

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Portable Radiology System
DRAGON ELITE & CLASSIC
New
Ultrasound System
Acclarix AX9
MRI System
uMR 588

Print article

Canales

RM

ver canal
Imagen: Se ha encontrado que 0.55T son suficiente para obtener una imagen de calidad diagnóstica de una resonancia magnética (Fotografía cortesía de 123RF)

Imágenes de resonancia magnética de 0,55 T de campo bajo ofrecen utilidad diagnóstica similar a la de 1,5 T para exploraciones abdominales

La resonancia magnética (RM) es una herramienta vital en el diagnóstico médico, pero el alto costo de los sistemas clínicos de cuerpo entero es una barrera importante.... Más

Medicina Nuclear

ver canal
Imagen: La técnica de imágenes PET puede detectar de manera no invasiva la inflamación activa antes de que surjan síntomas clínicos (Fotografía cortesía de 123RF)

Nuevo trazador PET detecta artritis inflamatoria antes de que aparezcan síntomas

La artritis reumatoide, la forma más común de artritis inflamatoria, afecta a 18 millones de personas en todo el mundo. Es una enfermedad autoinmune compleja caracterizada por inflamación... Más

Imaginología General

ver canal
Imagen: La imagen fotoacústica del PACTER produce imágenes 3D de la sangre fluyendo (Fotografía cortesía de Yide Zhang)

Nueva tecnología muestra imágenes del flujo sanguíneo en tiempo real

Comprender la dinámica del flujo sanguíneo, o hemodinámica, proporciona información fundamental sobre diversas enfermedades vasculares. La información sobre factores... 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 © 2000-2024 Globetech Media. All rights reserved.