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 combina radiografías de tórax con datos del paciente para mejorar diagnóstico

Por el equipo editorial de MedImaging en español
Actualizado el 11 Oct 2023
Print article
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

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Dose Area Product Meter
VacuDAP
New
Advanced Cardiac MRI Analysis Software
3Di Cardiac MR
Digital Radiography System
DuraDiagnost F30

Print article
Radcal

Canales

RM

ver canal
Imagen: La IA puede predecir si los pacientes con cáncer cerebral sobrevivirán más de 8 meses después de recibir tratamiento con radioterapia (Fotografía cortesía de KCL)

IA predice sobrevivientes de cáncer cerebral dentro de ocho meses de radioterapia mediante RM

El glioblastoma, un cáncer cerebral primario en adultos particularmente difícil de tratar, tiene una tasa de supervivencia baja: solo uno de cada cuatro pacientes vive más de un año... Más

Medicina Nuclear

ver canal
Imagen: Un agente de imágenes PET recientemente desarrollado es efectivo para identificar el cáncer medular de tiroides (Fotografía cortesía de 123RF)

Nuevo trazador PET mejora detección de lesiones en cáncer medular de tiroides

El cáncer medular de tiroides (CMT) representa aproximadamente el 3 % de todos los casos de cáncer de tiroides y es notablemente raro. Surge de células diferentes en comparación... Más

Imaginología General

ver canal
Imagen: El software LungQ v3.0.0 ha recibido la autorización 510 (k) de la FDA de EUA para el análisis con IA de las imágenes de TC de tórax (Fotografía cortesía de Thirona)

Software de IA para análisis de imágenes de TC de tórax permite tratamiento personalizado para pacientes pulmonares

Un novedoso software clínico aprovecha la inteligencia artificial (IA) para segmentar automáticamente varios segmentos y subsegmentos pulmonares en la anatomía interna del pulmón.... 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.