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
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Algoritmo utiliza IRM sin procesar para predecir si alguien tendrá un paro cardíaco y cuándo

Por el equipo editorial de MedImaging en español
Actualizado el 12 Apr 2022
Print article
Imagen: IA predice si alguien experimentará un paro cardíaco y cuándo (Fotografía cortesía de Pexels)
Imagen: IA predice si alguien experimentará un paro cardíaco y cuándo (Fotografía cortesía de Pexels)

Un algoritmo creado para evaluar los patrones de cicatriz en el tejido cardíaco del paciente puede predecir arritmias potencialmente mortales con mayor precisión que los médicos. El nuevo enfoque basado en inteligencia artificial puede predecir si un paciente podría morir de un paro cardíaco y cuándo.

La tecnología, construida por científicos de la Universidad Johns Hopkins (Baltimore, MD, EUA) a partir de imágenes sin procesar de los corazones enfermos y los antecedentes de los pacientes, mejora significativamente las predicciones de los médicos y revolucionará la toma de decisiones clínicas y aumentará la supervivencia de arritmias cardíacas repentinas y letales, una de las condiciones más mortales y desconcertantes de la medicina. El equipo es el primero en utilizar redes neuronales para crear una evaluación de supervivencia personalizada para cada paciente con enfermedad cardíaca. Estas medidas de riesgo brindan con alta precisión la posibilidad de una muerte cardíaca súbita durante 10 años y cuándo es más probable que suceda.

La tecnología de aprendizaje profundo se llama Estudio de supervivencia del riesgo de arritmia cardíaca, o SSCAR. El nombre alude a la cicatrización cardíaca causada por una enfermedad cardíaca que a menudo resulta en arritmias letales y es la clave de las predicciones del algoritmo. El equipo usó imágenes cardíacas mejoradas con contraste que visualizan la distribución de cicatrices de cientos de pacientes reales con cicatrices cardíacas para entrenar un algoritmo para detectar patrones y relaciones que no son visibles a simple vista. El análisis clínico actual de imágenes cardíacas extrae solo características simples de la cicatriz, como el volumen y la masa, lo que infrautiliza gravemente lo que se demuestra en este trabajo como datos críticos.

El equipo entrenó una segunda red neuronal para aprender de 10 años de datos clínicos estándar de pacientes, 22 factores como la edad, el peso, la raza y el uso de medicamentos recetados de los pacientes. Las predicciones de los algoritmos no solo fueron significativamente más precisas en cada medida que los médicos , se validaron en pruebas con una cohorte de pacientes independientes de 60 centros de salud en los EUA, con diferentes antecedentes cardíacos y diferentes datos de imágenes, lo que sugiere que la plataforma podría adoptarse en cualquier lugar. El equipo ahora está trabajando para construir algoritmos para detectar otras enfermedades cardíacas. Según los investigadores, el concepto de aprendizaje profundo podría desarrollarse para otros campos de la medicina que se basan en el diagnóstico visual.

"La muerte cardíaca súbita causada por arritmia representa hasta el 20% de todas las muertes en todo el mundo y sabemos poco sobre por qué sucede o cómo saber quién está en riesgo", dijo la autora principal Natalia Trayanova, profesora de ingeniería biomédica y medicina. "Hay pacientes que pueden tener un bajo riesgo de muerte cardíaca súbita que reciben desfibriladores que quizás no necesiten y luego hay pacientes de alto riesgo que no reciben el tratamiento que necesitan y podrían morir en la flor de su vida. Lo que nuestro algoritmo puede hacer es determinar quién está en riesgo de muerte cardíaca y cuándo ocurrirá, lo que permite a los médicos decidir exactamente qué se debe hacer".

"Esto tiene el potencial de dar forma significativa a la toma de decisiones clínicas con respecto al riesgo de arritmia y representa un paso esencial para llevar el pronóstico de la trayectoria del paciente a la era de la inteligencia artificial", agregó Trayanova, codirectora de Alianza para la Innovación en el Diagnóstico y el Tratamiento Cardiovascular. "Representa la tendencia de fusionar la inteligencia artificial, la ingeniería y la medicina como el futuro de la atención médica".

 

Enlaces relacionados:
Universidad Johns Hopkins  

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Color Doppler Ultrasound System
KC20
New
Ultrasound System
P20 Elite
New
X-Ray QA Meter
Piranha CT

Print article
Radcal

Canales

Ultrasonido

ver canal
Imagen: Un examen de ultrasonido cardíaco que se realiza en un bebé de 7 semanas (Fotografía cortesía de ETH Zurich)

Inteligencia artificial detecta defectos cardíacos en recién nacidos a partir de imágenes de ultrasonido

La hipertensión pulmonar es una afección en la que las arterias que van a los pulmones de un bebé no se abren lo suficiente o no se cierran poco después del nacimiento.... Más

Medicina Nuclear

ver canal
Imagen: PET/CT de un paciente masculino de 60 años con sospecha clínica de cáncer de pulmón (Fotografía cortesía de  EJNMMI Physics)

Adquisición temprana de PET FDG dinámica de 30 minutos podría reducir a la mitad tiempos de exploración pulmonar

Las exploraciones PET FDG F-18 son una forma de observar el interior del cuerpo utilizando un tinte especial, y estas exploraciones pueden ser estáticas o dinámicas. Las exploraciones estáticas... Más

Imaginología General

ver canal
Imagen: El modelo AI ingresa y analiza una imagen de la tomografía de emisión de positrones (PET) (Fotografía cortesía de la Universidad de Chalmers)

Modelo de IA detecta 90 % de casos de cáncer linfático a partir de imágenes de PET y TC

El uso de la inteligencia artificial (IA) en el análisis de imágenes médicas ha sido testigo de avances significativos recientemente. Se están desarrollando nuevas herramientas... 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.