Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Modelo de IA combina radiografías de tórax con datos del paciente para mejorar diagnóstico

Por el equipo editorial de MedImaging en español
Actualizado el 11 Oct 2023
Imagen: El modelo de IA tiene potencial como ayuda para los radiólogos en un momento de creciente cargas de trabajo (Fotografía cortesía de 123RF)
Imagen: El modelo de IA tiene potencial como ayuda para los radiólogos en un momento de creciente cargas de trabajo (Fotografía cortesía de 123RF)

Los profesionales de la salud utilizan una combinación de datos de imágenes y datos no procedentes de imágenes para diagnosticar enfermedades. Si bien las soluciones existentes basadas en inteligencia artificial (IA) suelen estar diseñadas para funcionar con un solo tipo de datos, las redes neuronales basadas en transformadores ofrecen la capacidad de fusionar ambos tipos para realizar diagnósticos más precisos. Originalmente destinados a procesar el lenguaje humano, estos modelos transformadores han inspirado modelos de lenguaje importantes como ChatGPT y Bard de Google. A diferencia de sus contrapartes de redes neuronales convolucionales, que se centran principalmente en datos de imágenes, las redes de transformadores tienen una aplicación más general. Emplean lo que se conoce como mecanismo de atención, lo que permite a la red comprender las relaciones dentro de sus datos de entrada. Esta característica es particularmente adecuada para campos médicos donde el diagnóstico a menudo implica combinar diversos tipos de datos, como información del paciente y resultados de imágenes. Ahora, un transformador modelo de IA recientemente desarrollado combina datos clínicos de pacientes con información de imágenes para mejorar la precisión del diagnóstico en las radiografías de tórax.

Investigadores del Hospital Universitario de Aquisgrán (Aquisgrán, Alemania) han desarrollado un modelo de transformador específicamente para uso médico. Entrenaron el sistema utilizando datos de imágenes y datos no provenientes de imágenes de dos bases de datos, que en conjunto incluyen registros de más de 82.000 pacientes. A este modelo se le ha enseñado a identificar hasta 25 condiciones diferentes utilizando cualquier tipo de datos o una combinación de ambos, lo que se conoce como datos multimodales. En comparación con otros modelos existentes, este nuevo enfoque multimodal demostró un mejor desempeño diagnóstico en todos los ámbitos. Según el equipo de investigación, este modelo no sólo tiene el potencial de ayudar a los proveedores de atención médica que enfrentan cargas de trabajo cada vez mayores, sino que también podría servir como modelo para integrar sin problemas grandes conjuntos de datos.

"Dado que el volumen de datos de los pacientes aumenta constantemente a lo largo de los años y el tiempo que los médicos pueden dedicar a cada paciente es limitado, podría resultar cada vez más difícil para los médicos interpretar toda la información disponible de manera efectiva", dijo el autor principal del estudio, Firas Khader, M.Sc., estudiante de posgrado del Hospital Universitario de Aquisgrán. "Los modelos multimodales prometen ayudar a los médicos en su diagnóstico al facilitar la agregación de los datos disponibles en un diagnóstico preciso".

Enlaces relacionados:
Hospital Universitario de Aquisgrán

Pocket Fetal Doppler
CONTEC10C/CL
40/80-Slice CT System
uCT 528
Post-Processing Imaging System
DynaCAD Prostate
Mammography System (Analog)
MAM VENUS

Canales

Ultrasonido

ver canal
Imagen: la herramienta basada en ultrasonido NEOSONICS identifica de forma no invasiva los casos de meningitis infantil (foto cortesía de Newborn Solution)

Herramienta no invasiva basada en ultrasonido detecta con precisión la meningitis infantil

La meningitis, una inflamación de las membranas que rodean el cerebro y la médula espinal, puede ser mortal en bebés si no se diagnostica y trata a tiempo. Incluso con tratamiento, puede dejar daños permanentes,... Más

Medicina Nuclear

ver canal
Imagen: la herramienta de diagnóstico podría mejorar las decisiones de diagnóstico y tratamiento para pacientes con infecciones pulmonares crónicas (foto cortesía de SNMMI)

Nueva técnica de PET específica para bacterias detecta infecciones pulmonares difíciles de diagnosticar

Mycobacteroides abscessus es una micobacteria de rápido crecimiento que afecta principalmente a pacientes inmunodeprimidos y a personas con enfermedades pulmonares preexistentes, como fibrosis... Más

Imaginología General

ver canal
Imagen: un modelo de aprendizaje profundo basado en parches con un conjunto de datos de entrenamiento limitado para la segmentación de tumores hepáticos en TC con contraste (Yang et al. (2025), IEEE Access, 10.1109/Access.2025.3570728)

Modelo de IA segmenta con precisión tumores hepáticos a partir de tomografías computarizadas

El cáncer de hígado es el sexto tipo de cáncer más común en el mundo y una de las principales causas de muerte por cáncer. La segmentación precisa de los tumores hepáticos es crucial para el diagnóstico... 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 © 2000-2025 Globetech Media. All rights reserved.