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.

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

Deascargar La Aplicación Móvil




IA detecta la enfermedad del hígado graso a partir de radiografías de tórax

Por el equipo editorial de MedImaging en español
Actualizado el 04 Jul 2025
Imagen: proceso de toma de decisiones de IA con imágenes de radiografías de tórax (foto cortesía de la Universidad Metropolitana de Osaka)
Imagen: proceso de toma de decisiones de IA con imágenes de radiografías de tórax (foto cortesía de la Universidad Metropolitana de Osaka)

Se cree que la enfermedad del hígado graso, que resulta de la acumulación excesiva de grasa en el hígado, afecta aproximadamente a una de cada cuatro personas a nivel mundial. Si no se trata a tiempo, puede progresar a enfermedades graves como cirrosis y cáncer de hígado, lo que subraya la importancia de la detección y el tratamiento tempranos. Las herramientas de diagnóstico estándar actuales para la enfermedad del hígado graso incluyen ecografías, tomografías computarizadas (TC) y resonancias magnéticas (RM), todas las cuales requieren equipos costosos y especializados, e instalaciones especializadas.

En cambio, las radiografías de tórax son más comunes, rentables y con mínima radiación. Aunque se emplean principalmente para evaluar los pulmones y el corazón, también permiten visualizar parcialmente el hígado, lo que permite identificar signos de hígado graso. A pesar de este potencial, la relación entre las radiografías de tórax y esta afección ha sido poco estudiada en profundidad. Ahora, investigadores han creado un modelo de IA capaz de identificar el hígado graso mediante imágenes de radiografías de tórax.

En un estudio retrospectivo, un equipo de investigación de la Universidad Metropolitana de Osaka (Osaka, Japón) utilizó 6.599 radiografías de tórax de 4.414 pacientes para desarrollar su modelo de IA basado en puntuaciones del parámetro de atenuación controlada (CAP). Sus resultados, publicados en Radiology Cardiothoracic Imaging, demostraron que el modelo de IA alcanzó una alta precisión, con un área bajo la curva ROC (AUC) que oscilaba entre 0,82 y 0,83.

“El desarrollo de métodos de diagnóstico que utilicen radiografías de tórax, fácilmente accesibles y de bajo costo, tiene el potencial de mejorar la detección de la enfermedad del hígado graso. Esperamos que pueda implementarse en la práctica en el futuro”, afirmó la profesora asociada Sawako Uchida-Kobayashi, quien dirigió la investigación.

Enlaces relacionados:
Universidad Metropolitana de Osaka

Mobile X-Ray System
K4W
Portable X-ray Unit
AJEX140H
Pocket Fetal Doppler
CONTEC10C/CL
Digital Radiography System (Ceiling Free)
Digix CF Series

Canales

Ultrasonido

ver canal
Imagen: Un corte transversal del cerebro revela la arquitectura simétrica de la red vascular (cian-verde) y el trazador que resalta el sistema glinfático (rojo-amarillo) a lo largo de la superficie cerebral y las vías de drenaje, visualizados a través del cráneo intacto mediante la técnica 3D-PAULM (Foto cortesía de la Universidad de Duke)

Plataforma de imagen híbrida revela cómo el sueño favorece la eliminación de desechos del cerebro

El sistema glinfático del cerebro elimina los desechos metabólicos a través del líquido cefalorraquídeo y se cree que contribuye a la salud neuronal durante el sueño.... Más

TI en Imaginología

ver canal
Imagen: La plataforma admite la creación de informes asistida por IA en tiempo real a medida que los radiólogos dictan, extrayendo los hallazgos del habla natural y colocándolos en las secciones apropiadas del informe (Crédito de la imagen: Adobe Stock)

Plataforma de informes con IA ambiental agiliza la elaboración de informes radiológicos

Los departamentos de radiología se enfrentan a un volumen creciente de imágenes y a la escasez de personal, lo que genera cuellos de botella en la elaboración de informes y presión... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.