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
Parker Laboratories

Deascargar La Aplicación Móvil




Eventos

ATENCIÓN: Debido a la EPIDEMIA DE CORONAVIRUS, ciertos eventos están siendo reprogramados para una fecha posterior o cancelados por completo. Verifique con el organizador del evento o el sitio web antes de planificar cualquier evento próximo.

Algoritmo impulsado por IA utiliza escaneos fMRI para detectar autismo y predecir gravedad

Por el equipo editorial de MedImaging en español
Actualizado el 12 Apr 2022
Print article
Imagen: El nuevo algoritmo impulsado por IA puede detectar el autismo en las "huellas dactilares" del cerebro (Fotografía cortesía de Unsplash)
Imagen: El nuevo algoritmo impulsado por IA puede detectar el autismo en las "huellas dactilares" del cerebro (Fotografía cortesía de Unsplash)

El autismo es uno de los trastornos del desarrollo neurológico más comunes, pero carece de biomarcadores objetivos (medidas reveladoras que indican la presencia de una condición médica y, a veces, la gravedad), lo que significa que no existe una prueba simple para el trastorno. En cambio, el diagnóstico se basa en la observación de los comportamientos de los pacientes, que naturalmente son muy variables y, por lo tanto, hacen que el diagnóstico sea un desafío. Los investigadores ahora han desarrollado un algoritmo que puede ayudar a discernir si alguien tiene autismo al observar escáneres cerebrales.

El nuevo algoritmo, desarrollado por investigadores de la Universidad de Stanford (Stanford, CA, EUA) e impulsado por avances recientes en inteligencia artificial (IA), también predice con éxito la gravedad de los síntomas del autismo en pacientes individuales. Con más perfeccionamiento, el algoritmo podría conducir a diagnósticos más tempranos, terapias más específicas y una comprensión más amplia de los orígenes del autismo en el cerebro.

El algoritmo estudia minuciosamente los datos recopilados a través de exploraciones de resonancia magnética funcional (IRMf). Estos escaneos capturan patrones de actividad neuronal en todo el cerebro. Los científicos han buscado durante mucho tiempo biomarcadores a través de exploraciones de IRMf. Sin embargo, los estudios realizados hasta la fecha con poblaciones pequeñas han informado resultados contradictorios, derivados de la variabilidad natural en los cerebros de los pacientes y confundidos aún más por las diferencias en las máquinas de resonancia magnética funcional y los métodos de prueba. Al derivar sus algoritmos de reconocimiento de imágenes, los investigadores buscaron hacer que la inteligencia artificial fuera explicable (o XAI) o comprensible para los investigadores humanos.

Al mapear esta actividad a lo largo del tiempo en muchas regiones del cerebro, el algoritmo genera "huellas dactilares" de actividad neuronal. Aunque son únicas para cada individuo, al igual que las huellas dactilares reales, las huellas dactilares del cerebro comparten características similares, lo que permite ordenarlas y clasificarlas. En un nuevo estudio, el algoritmo evaluó escáneres cerebrales de una muestra de aproximadamente 1.100 pacientes. Con una precisión del 82 %, el algoritmo seleccionó un grupo de pacientes a los que los médicos humanos habían diagnosticado con autismo. El algoritmo XAI se basa en tres regiones del cerebro que muestran diferencias significativas en la interconectividad en una parte agrupable del conjunto de datos. Dando credibilidad a los hallazgos del algoritmo XAI, esas tres regiones del cerebro han estado previamente implicadas en la patología del autismo.

Si bien el algoritmo XAI se desempeñó admirablemente en esta etapa temprana de desarrollo, los investigadores deberán mejorar aún más su precisión para elevar las huellas dactilares cerebrales al nivel de un biomarcador definitivo. Los investigadores tienen la intención de explorar la eficacia del algoritmo en estudios de hermanos, donde un hermano tiene autismo y el otro no, para perfeccionar la capacidad de detectar diferencias precisas pero críticas entre cerebros potencialmente muy similares. Los investigadores prevén que las huellas dactilares cerebrales se utilicen para evaluar los cerebros de niños muy pequeños, quizás desde los seis meses o un año, que tienen un alto riesgo de desarrollar autismo. El diagnóstico temprano es fundamental para lograr mejores resultados, ya que las terapias demuestran ser más efectivas cuando se introducen cuando los pacientes aún son niños pequeños en comparación con una etapa más avanzada de la niñez.

"Aunque el autismo es uno de los trastornos del neurodesarrollo más comunes, hay mucho sobre él que todavía no entendemos", dijo el autor principal Kaustubh Supekar, profesor asistente clínico de psiquiatría y ciencias del comportamiento de Stanford y facultad afiliada de Stanford HAI. "En este estudio, hemos demostrado que nuestro modelo de 'huellas dactilares' del cerebro impulsado por IA podría ser una herramienta nueva y poderosa para avanzar en el diagnóstico y el tratamiento".

“Necesitamos crear biomarcadores objetivos para el autismo”, agregó Supekar, “y las huellas dactilares del cerebro nos acercan un paso más. Esperamos que el enfoque demostrado en nuestro estudio pueda diagnosticar el autismo durante la ventana de oportunidad cuando las intervenciones son más efectivas al máximo”.

Enlaces relacionados:
Universidad de Stanford  


Print article
Radcal
CIRS -  MIRION

Canales

Radiografía

ver canal
Imagen: qTrack es una plataforma de gestión de salud pulmonar completa (Fotografía cortesía de Qure AI)

Sistemas de RD portátiles integrados con IA de rayos X de tórax automatizados mejoran las capacidades de diagnóstico

MinXray, Inc. (Northbrook, IL, EUA) ha mejorado aún más las capacidades de diagnóstico de sus sistemas de radiografía digital con la incorporación de la solución... Más

Ultrasonido

ver canal
Imagen: La IA se puede usar para identificar nódulos tiroideos benignos y reducir biopsias innecesarias (Fotografía cortesía de Pexels)

IA identifica nódulos tiroideos no cancerosos en imágenes de ultrasonido y reduce las biopsias

Los nódulos tiroideos son muy comunes. La biopsia por aspiración con aguja fina se utiliza para diagnosticar el cáncer de tiroides. Sin embargo, la mayoría de las biopsias producen... Más

TI en Imaginología

ver canal
Imagen: Cómo funciona el manejo de imágenes médicas de Nucleus.io (Fotografía cortesía de NucleusHealth)

Plataforma para el manejo de imágenes agiliza los planes de tratamiento

Un conjunto de soluciones de software del ecosistema de imágenes proporciona accesibilidad segura a las imágenes médicas, mejorando los flujos de trabajo y la atención a los pacientes. La plataforma... Más

Industria

ver canal
Imagen: La reunión anual de la RSNA es la conferencia de imágenes médicas más grandes del mundo (Fotografía cortesía de la RSNA)

La RSNA 2022 ve un aumento en las presentaciones de resúmenes antes de la reunión anual

La Sociedad Radiológica de América del Norte (RSNA, Oak Brook, IL, EUA) ha anunciado que se han presentado casi 10.400 resúmenes científicos y educativos para la 108.... Más
Copyright © 2000-2022 Globetech Media. All rights reserved.