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
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Modelo de IA de alta precisión puede mejorar rendimiento del análisis de rayos X de tórax de radiólogos

Por el equipo editorial de MedImaging en español
Actualizado el 11 Jul 2023
Print article
Imagen: La solución de análisis de rayos X de tórax Lunit INSIGHT CXR (Fotografía cortesía de Lunit)
Imagen: La solución de análisis de rayos X de tórax Lunit INSIGHT CXR (Fotografía cortesía de Lunit)

Un estudio reciente presenta pruebas convincentes de que un modelo de IA de alta precisión puede mejorar significativamente la capacidad de los radiólogos para analizar las radiografías de tórax. El estudio revela que solo las soluciones médicas de IA con alta precisión diagnóstica pueden mejorar notablemente el rendimiento diagnóstico de los radiólogos.

Lunit (Seúl, Corea) ha compartido los resultados de un estudio que investiga el impacto de la precisión de las soluciones médicas de inteligencia artificial en las decisiones diagnósticas de los radiólogos. La investigación involucró a un grupo de 30 médicos, compuesto por 20 radiólogos certificados con 5 a 18 años de experiencia y 10 residentes de radiología con 2 a 3 años de capacitación. El grupo evaluó un total de 120 radiografías de tórax recolectadas retrospectivamente, la mitad de pacientes con cáncer de pulmón y el resto sin anomalías. En la sesión inicial, los lectores se dividieron en dos grupos y cada grupo analizó 120 radiografías de tórax sin la ayuda de IA. En la siguiente sesión, volvieron a examinar las imágenes utilizando un modelo de IA de alta o baja precisión.

Para el estudio, los investigadores utilizaron Lunit INSIGHT CXR, una solución de inteligencia artificial disponible comercialmente para el análisis de rayos X de tórax. El modelo de baja precisión, por el contrario, se entrenó utilizando solo el 10 % de los datos utilizados para Lunit INSIGHT CXR. El AUROC (área bajo la curva característica operativa del receptor), una métrica estándar para la precisión del diagnóstico, para Lunit INSIGHT CXR fue de 0,88, mientras que el modelo de IA de baja precisión alcanzó solo 0,77. Los hallazgos del estudio mostraron que el uso del modelo de IA de alta precisión, Lunit INSIGHT CXR, condujo a una mejora significativa en el desempeño de los radiólogos. El AUROC mejoró notablemente de 0,77 a 0,82 cuando se utilizó el modelo de IA de alta precisión.

Por otro lado, el grupo que utilizó el modelo de IA de baja precisión no experimentó ninguna mejora en el desempeño, y el AUROC se mantuvo en 0,75. Curiosamente, el grupo que utilizó el modelo de IA de alta precisión mostró una mayor inclinación a aceptar sugerencias de IA. Estuvieron de acuerdo con el 67 % de las recomendaciones de IA que estaban en conflicto con sus interpretaciones iniciales, en comparación con una tasa de aceptación del 59 % del grupo que utilizó el modelo de IA de baja precisión. Además, el estudio concluyó que los factores individuales, como la experiencia de los radiólogos, su experiencia previa con la IA o las actitudes hacia la IA, tuvieron un efecto mínimo en su desempeño diagnóstico en la segunda sesión. En cambio, la precisión del modelo de IA y la precisión del diagnóstico inicial de los radiólogos se identificaron como las principales influencias en los resultados del diagnóstico final. Estos resultados subrayan la importancia del desempeño del modelo de IA cuando los radiólogos lo utilizan como lector secundario. También muestran que dicho soporte de IA puede aumentar la receptividad de los radiólogos a las sugerencias de IA, lo que lleva a diagnósticos más precisos a largo plazo.

"El estudio respalda que, independientemente de las características individuales de los radiólogos, la utilización de IA de alto rendimiento mejora significativamente la precisión disgnóstica y fomenta una mayor aceptación de la IA en las prácticas médicas", dijo Brandon Suh, director ejecutivo de Lunit. "En Lunit, estamos comprometidos con el desarrollo de soluciones impulsadas por IA que no solo mejoren los resultados de los pacientes, sino que también aumenten la experiencia de los profesionales de la salud. Esta publicación es un testimonio de nuestra dedicación para avanzar en el campo del diagnóstico del cáncer a través de tecnología de punta".

Enlaces relacionados:
Lunit  

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Pre-Op Planning Solution
Sectra 3D Trauma
New
Endoscopic Ultrasound Fine Needle Biopsy Device
Acquire
New
Mobile Digital C-arm X-Ray System
HHMC-200D

Print article
Radcal

Canales

Ultrasonido

ver canal
Imagen: El implante de cráneo experimental puede permitir imágenes de ultrasonido funcional del cerebro (foto cortesía de Todd Patterson)

Imágenes de ultrasonido funcional registran actividad cerebral a través de un implante de cráneo transparente

Las imágenes cerebrales funcionales, que capturan datos de la actividad cerebral midiendo cambios en el flujo sanguíneo o impulsos eléctricos, proporcionan información crucial... Más

Medicina Nuclear

ver canal
Imagen:  Los investigadores han identificado un nuevo biomarcador de imágenes para las respuestas tumorales a la terapia con ICI (foto cortesía de 123RF)

Nuevo biomarcador PET predice el éxito de inmunoterapia con inhibidores de puntos de control

Las inmunoterapias, como los inhibidores de puntos de control (ICI, sus siglas en inglés), han mostrado resultados clínicos prometedores en el tratamiento del melanoma, el cáncer de... Más

Imaginología General

ver canal
La imagen muestra similitudes entre las áreas de la función pulmonar obtenidas en el mismo paciente con CTFI y SPECT (foto cortesía de Corewell Health)

Software de imágenes mejora diagnóstico pulmonar en pacientes alérgicos al medio de contraste

Para hasta el 30 % de los pacientes que no pueden usar medios de contraste médicos debido a alergias u otras condiciones de salud, se puede retrasar el diagnóstico de problemas pulmonares... 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.