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

Deascargar La Aplicación Móvil




Software de detección de lesiones basado en IA detecta nódulos pulmonares incidentales en radiografías de tórax

Por el equipo editorial de MedImaging en español
Actualizado el 06 Dec 2023
Imagen:  INSIGHT CXR de Lunit detecta 10 hallazgos radiológicos anormales con una precisión del 97-99 % (Fotografía cortesía de Lunit)
Imagen: INSIGHT CXR de Lunit detecta 10 hallazgos radiológicos anormales con una precisión del 97-99 % (Fotografía cortesía de Lunit)

En el campo de la radiología, la inteligencia artificial (IA) ha logrado avances significativos, particularmente en el desarrollo de software de detección de lesiones basado en IA para radiografías de tórax. Estos avances han demostrado ser eficaces en entornos del mundo real, incluidos los departamentos de emergencia, exámenes de detección de cáncer de pulmón y clínicas respiratorias. Sin embargo, se ha explorado menos el impacto de la IA en la identificación de nódulos pulmonares inesperados en pacientes que inicialmente no presentan problemas relacionados con el pecho. Ahora, un nuevo estudio ha demostrado que un software de detección de lesiones basado en IA puede ser fundamental en la práctica médica diaria, especialmente para detectar nódulos pulmonares incidentales clínicamente significativos en las radiografías de tórax.

Un grupo de investigadores de la Facultad de Medicina de la Universidad de Yonsei (Gyeonggi-do, Corea del Sur) utilizó Insight CXR, v3 de Lunit (Seúl, Corea del Sur) para evaluar con qué frecuencia se detectaban inesperadamente nódulos pulmonares clínicamente significativos en las radiografías de tórax y si los hallazgos coexistentes pueden ayudar en el diagnóstico diferencial. Este software está destinado a ayudar en la interpretación de radiografías de tórax posteroanterior y anteroposterior. Es capaz de detectar diversas lesiones como nódulos, neumotórax, consolidación, atelectasias, fibrosis, cardiomegalia, derrame pleural y neumoperitoneo. Cuando a un paciente se le realiza una radiografía de tórax, el software procesa automáticamente la imagen y agrega un archivo secundario a la imagen original en el Sistema de comunicación y archivo de imágenes (PACS) del hospital. Luego, los médicos pueden consultar el análisis de IA, que se presenta con un mapa de contorno, abreviaciones y una puntuación de anomalía.

En su estudio, el equipo revisó los resultados de imágenes de 14.563 pacientes a quienes se les realizaron radiografías iniciales de tórax en clínicas ambulatorias. Tres radiólogos clasificaron los nódulos en cuatro categorías: malignidad (grupo A), inflamación activa o infección que requiere tratamiento (grupo B), secuelas postinflamatorias (grupo C) y otras afecciones (grupo D). El software identificó lesiones cuando su puntuación de anormalidad era superior al 15 %. Los hallazgos revelaron que el software de IA detectó inesperadamente nódulos pulmonares en 152 pacientes (1 %). De estos, 72 pacientes fueron excluidos por falta de imágenes de seguimiento y siete fueron excluidos por no recibir un diagnóstico clínico concluyente.

En el análisis final de los 73 pacientes restantes, la tasa de falsos positivos fue del 30,1 %. El desglose mostró que el 11 % tenía malignidad, el 6,9 % tenía inflamación activa, el 49,3 % tenía secuelas postinflamatorias y el 2,7 % entraba en otras categorías. Esto sugirió que alrededor del 20,6 % de los nódulos pulmonares incidentales en los grupos A, B y D requirieron evaluación o tratamiento adicional. Los investigadores reconocieron que su estudio no proporcionó datos completos sobre la detección y el tratamiento de nódulos pulmonares cuando utiliza software basado en IA. Esto se debió en parte a que los médicos de su hospital tenían la discreción de consultar los resultados de la IA a su conveniencia, lo que dificultaba determinar la influencia exacta de la IA en la toma de decisiones clínicas. Sin embargo, el equipo planea investigar más a fondo estos aspectos en futuras investigaciones.

"Nuestros resultados mostraron que la IA detectó inesperadamente nódulos pulmonares en aproximadamente el 1 % de las [radiografías de tórax] iniciales, y aproximadamente el 70 % de estos casos fueron nódulos verdaderamente positivos, mientras que el 20,5 % requirió tratamiento clínico", señaló la autora principal Shin Hye Hwang, MD.

Enlaces relacionados:
Facultad de Medicina de la Universidad de Yonsei
Lunit

Ultrasound Table
Women’s Ultrasound EA Table
Ultrasonic Pocket Doppler
SD1
Biopsy Software
Affirm® Contrast
Digital X-Ray Detector Panel
Acuity G4

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.