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




Detección de lesiones cerebrales de esclerosis múltiple asistida por IA reduce los tiempos de informe radiológico

Por el equipo editorial de MedImaging en español
Actualizado el 19 Nov 2024
Imagen: El estudio encontró una reducción en el tiempo de informe a través de la detección de lesiones cerebrales de EM con apoyo de IA (foto cortesía de mediaire)
Imagen: El estudio encontró una reducción en el tiempo de informe a través de la detección de lesiones cerebrales de EM con apoyo de IA (foto cortesía de mediaire)

La esclerosis múltiple (EM) es un trastorno autoinmunitario común que afecta al sistema nervioso central. La resonancia magnética (RM) desempeña un papel esencial tanto en el diagnóstico como en el seguimiento de la progresión de la enfermedad y de las respuestas al tratamiento. Por ello, la revisión de las RM cerebrales de los pacientes con EM se ha convertido en una parte rutinaria de la práctica clínica. Para facilitar la elaboración de informes, se han introducido en el mercado numerosas soluciones de software comerciales para la detección automática de lesiones. Ahora, un nuevo estudio ha destacado las mejoras significativas en los informes radiológicos para los pacientes con EM mediante el uso de software mejorado con inteligencia artificial (IA). Publicado en el European Journal of Radiology, el estudio destaca las reducciones significativas en los tiempos de elaboración de informes y la mejora de la eficiencia en la detección de lesiones cerebrales.

En el estudio, los investigadores del Hospital Universitario de Schleswig-Holstein (Schleswig-Holstein, Alemania) evaluaron el efecto del software mdbrain de mediaire GmbH (Berlín, Alemania) con detección de lesiones asistida por IA en los informes radiológicos. mdbrain está diseñado para etiquetar, visualizar y cuantificar automáticamente los datos de resonancia magnética 3D de la cabeza, automatizando así las tareas que antes se hacían manualmente de identificar, etiquetar y calcular el volumen de las estructuras cerebrales segmentadas en imágenes de RM. Los datos volumétricos, combinados con los datos de las imágenes, ayudan a los radiólogos a detectar trastornos neurológicos. El software actualmente ofrece módulos para volumetría cerebral, caracterización de lesiones, detección de aneurismas y diferenciación de tumores.

El estudio probó la eficacia de mdbrain en 50 casos de pacientes y descubrió una reducción sustancial en los tiempos promedio de generación de informes tanto para evaluaciones iniciales como de seguimiento. En concreto, mdbrain acortó el tiempo de generación de informes en 90 segundos para las evaluaciones iniciales y en 75 segundos para las evaluaciones longitudinales, lo que representa aproximadamente un tercio del tiempo requerido sin asistencia de IA. Los resultados también demostraron que el software mantiene una alta confiabilidad entre evaluadores, igualando la precisión de los métodos tradicionales y acelerando significativamente el proceso de diagnóstico. Además de automatizar la detección de lesiones, mdbrain proporciona una diferenciación precisa de los tipos de lesiones, lo cual es crucial para diagnosticar y monitorear la progresión de la EM. Esta investigación muestra cómo la integración de mdbrain en los flujos de trabajo de radiología puede acelerar la generación de informes de resonancia magnética, lo que ofrece un potencial significativo para mejorar la gestión clínica de la EM, mejorar la eficiencia del flujo de trabajo y permitir decisiones de tratamiento más rápidas.

Enlaces relacionados:
Hospital Universitario de Schleswig-Holstein
Mediaire GmbH

Digital Radiographic System
OMNERA 300M
40/80-Slice CT System
uCT 528
Portable X-ray Unit
AJEX140H
Multi-Use Ultrasound Table
Clinton

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.