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 hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Modelo de inteligencia artificial estima con precisión la función pulmonar utilizando radiografías de tórax

Por el equipo editorial de MedImaging en español
Actualizado el 22 Jul 2024
Imagen: El modelo de IA estima la función pulmonar al observar radiografías, con valores más bajos denotados por áreas azules y valores más altos por áreas rojas en los mapas de saliencia (foto cortesía de la Universidad Metropolitana de Osaka)
Imagen: El modelo de IA estima la función pulmonar al observar radiografías, con valores más bajos denotados por áreas azules y valores más altos por áreas rojas en los mapas de saliencia (foto cortesía de la Universidad Metropolitana de Osaka)

Tradicionalmente, las evaluaciones de la función pulmonar se realizan mediante un espirómetro, lo que requiere la cooperación del paciente. Los pacientes deben seguir instrucciones específicas para inhalar y exhalar en el dispositivo. Este método se vuelve desafiante cuando los pacientes, como bebés o personas con demencia, tienen dificultades para seguir las instrucciones o si el individuo está postrado en cama. Si bien los médicos dependen de las radiografías de tórax para diagnosticar enfermedades como la tuberculosis y el cáncer de pulmón, estas imágenes no proporcionan información sobre la funcionalidad pulmonar. Para abordar estas limitaciones, los investigadores han desarrollado un modelo de inteligencia artificial (IA) que es capaz de estimar la función pulmonar a partir de radiografías de tórax con alta precisión.

Un grupo de investigación de la Universidad Metropolitana de Osaka (Osaka, Japón) entrenó, validó y probó este modelo de IA utilizando más de 140.000 radiografías de tórax recopiladas durante casi dos décadas. Refinaron el modelo de IA comparando sus estimaciones con datos espirométricos reales. Los hallazgos, publicados en The Lancet Digital Health, mostraron una tasa de acuerdo excepcionalmente alta, con un coeficiente de correlación de Pearson (r) superior a 0,90, lo que sugiere que este método es muy prometedor para la aplicación clínica. El modelo de IA desarrollado en este estudio podría ampliar significativamente las opciones para la evaluación de la función pulmonar y beneficiar especialmente a los pacientes que no pueden realizar pruebas de espirometría tradicionales.

"Es muy significativo el hecho de que simplemente utilizando la información estática de las radiografías de tórax, nuestro método sugiere la posibilidad de estimar con precisión la función pulmonar, que normalmente se evalúa mediante pruebas que requieren que los pacientes ejerzan energía física", dijo el profesor asociado Daiju Ueda. quien dirigió el grupo de investigación. “Este modelo de IA se construyó gracias a la cooperación de muchas personas, desde médicos, investigadores y técnicos hasta pacientes de varias instituciones. Si puede ayudar a aliviar la carga de los pacientes y al mismo tiempo reducir los costos médicos, sería algo maravilloso”.

Enlaces relacionados:
Universidad Metropolitana de Osaka

New
Breast Localization System
MAMMOREP LOOP
Digital X-Ray Detector Panel
Acuity G4
40/80-Slice CT System
uCT 528
Pocket Fetal Doppler
CONTEC10C/CL

Canales

RM

ver canal
Imagen: una resonancia magnética cardíaca con contraste de un paciente con miocardiopatía hipertrófica considerado por MAARS con alto riesgo de muerte súbita (foto cortesía de la Universidad Johns Hopkins)

Modelo de IA supera a los médicos en la identificación de pacientes con mayor riesgo de paro cardíaco

La miocardiopatía hipertrófica es una de las cardiopatías hereditarias más comunes y una de las principales causas de muerte súbita cardíaca en jóvenes y deportistas.... Más

Ultrasonido

ver canal
Imagen: el nuevo dispositivo implantable para el tratamiento del dolor crónico es pequeño y flexible (foto cortesía de The Zhou Lab at USC)

Dispositivo inalámbrico para el manejo del dolor crónico reduce la necesidad de analgésicos y cirugía

El dolor crónico afecta a millones de personas en todo el mundo, lo que a menudo provoca discapacidad a largo plazo y dependencia de opioides, los cuales conllevan riesgos importantes de efectos... 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
Imágenes de resultado positivo en examen de detección de colonografía por TC en un hombre asintomático de 67 años (foto cortesía de Radiology)

La colonografía por TC supera a la prueba de ADN en heces para la detección del cáncer de colon

Dado que el cáncer colorrectal sigue siendo la segunda causa principal de muertes relacionadas con el cáncer a nivel mundial, la detección temprana mediante pruebas de cribado es fundamental... 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.