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.
10 ago 2022 - 12 ago 2022

Algoritmo examina resonancias magnéticas estructurales del cerebro para identificar pacientes en etapas tempranas de enfermedades mentales

Por el equipo editorial de MedImaging en español
Actualizado el 18 Apr 2022
Print article
Imagen: El volumen de materia gris podría informar las decisiones de tratamiento para el desarrollo de trastornos de salud mental (Fotografía cortesía de Pexels)
Imagen: El volumen de materia gris podría informar las decisiones de tratamiento para el desarrollo de trastornos de salud mental (Fotografía cortesía de Pexels)

Un nuevo estudio ha demostrado que mediante el examen de resonancias magnéticas estructurales del cerebro, es posible identificar a los pacientes más susceptibles a malos resultados. Al identificar a estos pacientes en las primeras etapas de su enfermedad, los médicos podrán ofrecer tratamientos más específicos y efectivos.

En el estudio, los investigadores de la Universidad de Birmingham (Edgbaston, Reino Unido) utilizaron datos de alrededor de 300 pacientes con psicosis de inicio reciente y depresión de inicio reciente que participaron en el estudio PRONIA. PRONIA es un estudio de cohortes financiado por la Unión Europea que investiga herramientas de pronóstico para las psicosis y que se lleva a cabo en siete centros de investigación europeos, incluido Birmingham. Los investigadores utilizaron un algoritmo de aprendizaje automático para evaluar los datos de los escáneres cerebrales de los pacientes y clasificarlos en grupos. Se identificaron dos grupos en función de las exploraciones, cada uno de los cuales contenía pacientes con psicosis y pacientes con depresión. Cada grupo reveló características distintivas que se relacionaron fuertemente con su probabilidad de recuperación.

En el primer grupo, los volúmenes más bajos de materia gris, el tejido más oscuro dentro del cerebro involucrado en el control muscular y funciones como la memoria, las emociones y la toma de decisiones, se asociaron con pacientes que tuvieron peores resultados. En el segundo grupo, por el contrario, los niveles más altos de materia gris indicaban que los pacientes tenían más probabilidades de recuperarse bien de su enfermedad. Luego se utilizó un segundo algoritmo para predecir el estado de los pacientes nueve meses después del diagnóstico inicial. Los investigadores encontraron un mayor nivel de precisión en la predicción de los resultados al utilizar los grupos de base biológica en comparación con los sistemas de diagnóstico tradicionales.

La evidencia también mostró que los pacientes en el grupo con volúmenes más bajos de materia gris en sus escáneres cerebrales pueden tener niveles más altos de inflamación, menor concentración y otras deficiencias cognitivas previamente asociadas con la depresión y la esquizofrenia. Finalmente, el equipo probó los grupos en otros grandes estudios de cohortes en Alemania y EUA y pudo demostrar que los mismos grupos identificados podrían usarse para predecir los resultados de los pacientes. El próximo paso para el equipo es comenzar a validar los grupos en la clínica, recopilando datos de pacientes en tiempo real, antes de planificar ensayos clínicos a mayor escala.

“Actualmente, la forma en que diagnosticamos la mayoría de los trastornos de salud mental se basa en el historial, los síntomas y las observaciones clínicas del paciente, en lugar de la información biológica”, dijo Paris Alexandros Lalousis, Facultad de Psicología. “Eso significa que los pacientes pueden tener mecanismos biológicos subyacentes similares en su enfermedad, pero diferentes diagnósticos. Al comprender esos mecanismos más completamente, podemos brindarles a los médicos mejores herramientas para usar en la planificación de tratamientos”.

“Si bien el estudio PRONIA contenía personas a las que recientemente se les había diagnosticado su enfermedad, los otros conjuntos de datos que usamos contenían personas con afecciones crónicas”, agregó Lalousis. “Descubrimos que cuanto más larga era la duración de la enfermedad, más probable era que un paciente encajara en el primer grupo con menor volumen de materia gris. Eso realmente se suma a la evidencia de que las resonancias magnéticas estructurales pueden ofrecer información de diagnóstico útil para ayudar a guiar las decisiones de tratamiento específicas”.

Enlaces relacionados:
Universidad de Birmingham  


Print article
Radcal
Radcal

Canales

Radiografía

ver canal
Imagen: El nuevo detector Lux 35 es elegante, sin vidrio y liviano (Fotografía cortesía de Carestream)

El detector Lux 35 de Carestream gana el premio Frost & Sullivan a la innovación de nuevos productos

Carestream Health (Rochester, NY, EUA) fue el primero en introducir en el mercado un detector inalámbrico del tamaño de un casete y continúa liderando el camino en innovación... Más

Ultrasonido

ver canal
Imagen: La plataforma de IA se amplía a un abanico de aplicaciones clínicas (Fotografía cortesía de Caption Health)

Plataforma tecnológica combina ultrasonido con IA para detección temprana de enfermedades cardíacas

El ultrasonido es una herramienta de diagnóstico segura y altamente efectiva, pero puede ser difícil de dominar, requiere años de capacitación especializada para aprender y... Más

Imaginología General

ver canal
Imagen: La IA se desempeña tan bien como los  especialistas médicos en el análisis de la enfermedad pulmonar (Fotografía cortesía de la Universidad de Nagoya)

IA diagnostica enfermedades pulmonares a partir de imágenes de TC con igual precisión que especialistas médicos

Los médicos han esperado mucho tiempo por un medio para diagnosticar la fibrosis pulmonar idiopática de forma temprana, una enfermedad potencialmente mortal que puede dejar cicatrices en... 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
Copyright © 2000-2022 Globetech Media. All rights reserved.