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
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Modelo de imágenes de IA detecta trastornos cerebrales a partir de exploraciones de IRMf

Por el equipo editorial de MedImaging en español
Actualizado el 25 Jul 2022
Imagen: Indicadores dinámicos de enfermedades mentales capturados por IA avanzada en imágenes cerebrales (Fotografía cortesía de la Universidad Estatal de Georgia)
Imagen: Indicadores dinámicos de enfermedades mentales capturados por IA avanzada en imágenes cerebrales (Fotografía cortesía de la Universidad Estatal de Georgia)

Una nueva investigación puede conducir al diagnóstico temprano de condiciones devastadoras como la enfermedad de Alzheimer, la esquizofrenia y el autismo, a tiempo para ayudar a prevenir y tratar más fácilmente estos trastornos.

En un nuevo estudio, un equipo de siete científicos de la Universidad Estatal de Georgia (Atlanta, GA, EUA), construyó un sofisticado programa de computadora que pudo analizar cantidades masivas de datos de imágenes cerebrales y descubrir patrones novedosos vinculados a condiciones de salud mental. Los datos de imágenes cerebrales provinieron de escaneos que utilizan imágenes de resonancia magnética funcional (IRMf), que mide la actividad cerebral dinámica mediante la detección de pequeños cambios en el flujo sanguíneo. Este tipo de imagen dinámica es similar a una película, a diferencia de una instantánea como una radiografía o la resonancia magnética estructural más común.

Además, las IRMf, en estas condiciones específicas, son costosas y difíciles de obtener. Sin embargo, utilizando un modelo de inteligencia artificial, se pueden extraer datos de IRMf regulares. Y esos están disponibles en grandes cantidades. El uso de estos grandes conjuntos de datos disponibles pero no relacionados mejoró el rendimiento del modelo en conjuntos de datos específicos más pequeños. Los modelos de IA se entrenaron primero en un conjunto de datos que incluía a más de 10.000 personas para aprender a comprender las imágenes básicas de resonancia magnética funcional y la función cerebral. Luego, los investigadores utilizaron conjuntos de datos de varios sitios de más de 1.200 personas, incluidas aquellas con trastorno del espectro autista, esquizofrenia y enfermedad de Alzheimer.

La tecnología funciona un poco como Facebook, YouTube o Amazon, aprendiendo sobre el comportamiento en línea de un usuario y comenzando a poder predecir el comportamiento futuro, lo que le gusta y lo que no le gusta. El software de la computadora incluso pudo ubicarse en el "momento" en el que los datos de imágenes del cerebro probablemente estaban relacionados con el trastorno mental en cuestión. Para que estos hallazgos sean clínicamente útiles, deberán aplicarse antes de que se manifieste un trastorno.

"Construimos modelos de inteligencia artificial para interpretar las grandes cantidades de información de IRMf", dijo Sergey Plis, profesor asociado de informática y neurociencia en Georgia State y autor principal del estudio. “La visión es que recopilamos un gran conjunto de datos de imágenes, nuestros modelos de IA los leen minuciosamente y nos muestran lo que aprendieron sobre ciertos trastornos. Estamos construyendo sistemas para descubrir nuevos conocimientos que no podríamos descubrir por nuestra cuenta”.

“Incluso si sabemos por otras pruebas o antecedentes familiares que alguien está en riesgo de un trastorno como el Alzheimer, aún no podemos predecir cuándo ocurrirá exactamente”, dijo Vince Calhoun, uno de los autores del estudio. “Las imágenes cerebrales podrían reducir esa ventana de tiempo, al detectar los patrones relevantes cuando aparecen antes de que la enfermedad clínica sea evidente”.

Enlaces relacionados:
Universidad Estatal de Georgia

Ultrasound-Guided Biopsy & Visualization Tools
Endoscopic Ultrasound (EUS) Guided Devices
Digital Intelligent Ferromagnetic Detector
Digital Ferromagnetic Detector
Ultrasound Table
Women’s Ultrasound EA Table
Biopsy Software
Affirm® Contrast

Canales

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: El estudio de imágenes de cáncer de próstata tiene como objetivo reducir la necesidad de biopsias (foto cortesía de Shutterstock)

Nuevo enfoque de imagen podría reducir la necesidad de biopsias para monitorear el cáncer de próstata

El cáncer de próstata es la segunda causa principal de muerte por cáncer en hombres en Estados Unidos. Sin embargo, la mayoría de los hombres mayores diagnosticados con esta... 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.