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 de diagnóstico médico de IA para análisis de imágenes de RM utiliza autoaprendizaje en todos los hospitales

Por el equipo editorial de MedImaging en español
Actualizado el 02 Sep 2022
Print article
Imagen: El algoritmo de diagnóstico federado basado en IA aprende eficientemente en los hospitales con cumplimiento de protección de datos (Fotografía cortesía de Pexels)
Imagen: El algoritmo de diagnóstico federado basado en IA aprende eficientemente en los hospitales con cumplimiento de protección de datos (Fotografía cortesía de Pexels)

La salud está siendo revolucionada actualmente por la inteligencia artificial. Con soluciones precisas de IA, los médicos pueden recibir apoyo en el diagnóstico. Sin embargo, tales algoritmos requieren una cantidad considerable de datos y los hallazgos del especialista radiológico asociado para el entrenamiento. Sin embargo, la creación de una base de datos central tan grande impone exigencias especiales a la protección de datos. Además, la creación de hallazgos y anotaciones, por ejemplo, el marcado de tumores en una imagen de resonancia magnética, requiere mucho tiempo. Para superar estos desafíos, los investigadores han desarrollado un algoritmo que puede aprender de forma independiente entre diferentes instituciones médicas. La característica clave del algoritmo es que es de "autoaprendizaje", es decir, no requiere hallazgos extensos que consumen mucho tiempo ni marcados por los radiólogos en las imágenes de resonancia magnética.

Un equipo multidisciplinario de la Universidad Técnica de Munich (TUM, Munich, Alemania) colaboró con otros médicos e investigadores para desarrollar un algoritmo de diagnóstico médico basado en IA para imágenes de resonancia magnética del cerebro, sin datos anotados o procesados por un radiólogo. Además, este algoritmo debía ser entrenado "federalmente": de esta manera, el algoritmo "viene a los datos", de modo que los datos de imágenes médicas que requieren una protección especial podrían permanecer en la clínica respectiva y no tener que recopilarse de forma centralizada. El algoritmo federado se entrenó en más de 1.500 exploraciones por RM de participantes sanos del estudio de cuatro instituciones, manteniendo la privacidad de los datos.

Luego, el algoritmo se usó para analizar más de 500 resonancias magnéticas de pacientes para detectar enfermedades como la esclerosis múltiple, la enfermedad vascular y varias formas de tumores cerebrales que el algoritmo nunca había visto antes. Esto abre nuevas posibilidades para desarrollar algoritmos federados eficientes basados en IA que aprenden de forma autónoma mientras protegen la privacidad. En su estudio, los investigadores pudieron demostrar que el algoritmo de IA federado que desarrollaron superó a cualquier algoritmo de IA entrenado utilizando datos de una sola institución. Para agrupar el conocimiento sobre las imágenes de resonancia magnética del cerebro, el equipo de investigación entrenó el algoritmo de IA en instituciones médicas diferentes e independientes sin violar la privacidad de los datos ni recopilarlos de forma centralizada. Al proteger los datos de los pacientes y al mismo tiempo reducir la carga de trabajo de los radiólogos, los investigadores creen que su tecnología de inteligencia artificial federada hará avanzar significativamente la medicina digital.

"Una vez que este algoritmo aprenda cómo se ven las imágenes de resonancia magnética del cerebro sano, le será más fácil detectar enfermedades. Para lograr esto, se requiere una agregación computacional inteligente y coordinación entre los institutos participantes", dijo el Prof. Dr. Albarqouni. PD Dr. Benedikt Wiestler, médico principal del Hospital Universitario de TUM, que participó en el estudio. "Entrenar el modelo con datos de diferentes centros contribuye significativamente al hecho de que nuestro algoritmo detecta enfermedades de manera mucho más sólida que otros algoritmos que solo se entrenan con datos de un centro".

 

 

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Ultrasound System
P25 Elite
Miembro Oro
Radiation QA Tool
Accu-Gold 3
New
DR Flat Panel Detector
1500L

Print article

Canales

Radiografía

ver canal
Imagen: Saige-DX es un sistema de IA categórico personalizado diseñado para ayudar en la detección del cáncer de mama (Fotografía cortesía de DeepHealth)

IA ayuda a radiólogos generales a lograr un rendimiento de nivel de especialista en interpretación de mamografías

El cáncer de mama, que afecta a una de cada ocho mujeres a lo largo de su vida, se vuelve mucho más tratable cuando se detecta a tiempo. La tasa de supervivencia relativa a cinco años... Más

Medicina Nuclear

ver canal
Imagen: La técnica de imágenes PET puede detectar de manera no invasiva la inflamación activa antes de que surjan síntomas clínicos (Fotografía cortesía de 123RF)

Nuevo trazador PET detecta artritis inflamatoria antes de que aparezcan síntomas

La artritis reumatoide, la forma más común de artritis inflamatoria, afecta a 18 millones de personas en todo el mundo. Es una enfermedad autoinmune compleja caracterizada por inflamación... Más

Imaginología General

ver canal
Imagen: La imagen fotoacústica del PACTER produce imágenes 3D de la sangre fluyendo (Fotografía cortesía de Yide Zhang)

Nueva tecnología muestra imágenes del flujo sanguíneo en tiempo real

Comprender la dinámica del flujo sanguíneo, o hemodinámica, proporciona información fundamental sobre diversas enfermedades vasculares. La información sobre factores... 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.