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 aprendizaje profundo diagnostica anomalías en la rodilla como un radiólogo experimentado

Por el equipo editorial de MedImaging en español
Actualizado el 02 Dec 2024
Imagen: El modelo de aprendizaje profundo puede ayudar a clasificar 12 tipos comunes de anomalías de la rodilla (foto cortesía de 123RF)
Imagen: El modelo de aprendizaje profundo puede ayudar a clasificar 12 tipos comunes de anomalías de la rodilla (foto cortesía de 123RF)

La articulación de la rodilla, una articulación en bisagra compleja, es una de las principales articulaciones de soporte de peso en el cuerpo humano y facilita los diversos movimientos necesarios para las actividades diarias. El envejecimiento y las lesiones pueden causar varias anomalías en la rodilla, lo que provoca dolor y disfunción. Por lo tanto, el diagnóstico preciso de estas anomalías es esencial para crear planes de tratamiento personalizados y mejorar la calidad de vida de los pacientes. Dada la intrincada anatomía de la articulación de la rodilla, diferentes parámetros de escaneo pueden arrojar resultados variados. Además, algunas lesiones sutiles pueden pasarse por alto, especialmente por radiólogos con experiencia limitada. La resonancia magnética (RM) de rodilla en secuencias múltiples es una técnica avanzada y no invasiva para diagnosticar patologías de la rodilla. Sin embargo, la interpretación de los resultados de la RM requiere mucho tiempo y depende en gran medida de la experiencia del radiólogo. En respuesta a esto, los investigadores han desarrollado un innovador modelo de aprendizaje profundo que ayuda a clasificar 12 tipos comunes de anomalías en la rodilla, mejorando tanto la eficiencia como la precisión diagnóstica.

En un estudio colaborativo, investigadores del HKUST Smart Lab (Kowloon, Hong Kong) y del Tercer Hospital Afiliado de la Universidad Médica del Sur (Guangzhou, China) analizaron datos de 1.748 pacientes. El estudio incluyó secuencias de RM ponderadas en T1 (T1W), T2 (T2W) y de densidad de protones (PDW) de los planos sagital, coronal y axial. Al combinar estos datos de RM con los resultados de la artroscopia, que se considera el estándar de oro para diagnosticar anomalías de la rodilla, los investigadores realizaron un análisis exhaustivo e identificaron 12 anomalías comunes de la rodilla. Luego desarrollaron un modelo de aprendizaje profundo, llamado Atención co-planar a través de secuencias de RM (CoPAS), para clasificar estas anomalías. El modelo capturó de manera eficaz las variaciones de intensidad en diferentes secuencias de RM e identificó correlaciones complejas con tipos de anomalías al separar las características espaciales, lo que dio como resultado una alta precisión de clasificación.

Para evaluar la efectividad del modelo, los investigadores realizaron pruebas clínicas simuladas. Inicialmente, los radiólogos proporcionaron diagnósticos basados únicamente en imágenes de RM. Después de un período de descanso, se les pidió que realizaran diagnósticos nuevamente, esta vez utilizando los resultados del modelo como referencia. Los resultados mostraron que la precisión diagnóstica promedio del modelo superó la de los radiólogos junior y fue comparable a la de los radiólogos senior. La precisión diagnóstica general de todos los radiólogos mejoró significativamente con la ayuda del modelo, según el estudio publicado en Nature Communications. Un análisis de interpretabilidad adicional comparó los hallazgos clínicos con el resultado del modelo, revelando que el proceso de toma de decisiones del modelo coincidía estrechamente con las preferencias clínicas. Esto sugiere que el modelo ha desarrollado un marco de toma de decisiones similar al de los radiólogos, lo que mejora su confiabilidad para la implementación clínica.

“Este innovador modelo CoPAS demuestra un rendimiento diagnóstico comparable al de los radiólogos. Es particularmente beneficioso para cerrar la brecha entre los médicos menos experimentados y los más experimentados”, afirmó el profesor asistente CHEN Hao, del Departamento de Ciencias de la Computación e Ingeniería y del Departamento de Ingeniería Química y Biológica de la HKUST, quien lideró el estudio. “Nuestros hallazgos subrayan la promesa de la inteligencia artificial en la atención médica, destacando su potencial para identificar y validar nuevos conocimientos clínicos”.

New
Digital Color Doppler Ultrasound System
MS22Plus
Ultrasonic Pocket Doppler
SD1
Mammography System (Analog)
MAM VENUS
X-Ray Illuminator
X-Ray Viewbox Illuminators

Canales

Radiografía

ver canal
Imagen: la AI evalúa las mamografías mejor que los radiólogos (foto cortesía de la Universidad de Radboud)

Estrategia híbrida con IA mejora la interpretación de mamografías

Los programas de detección del cáncer de mama dependen en gran medida de la interpretación de las mamografías por parte de radiólogos, un proceso que requiere mucho tiempo... Más

Ultrasonido

ver canal
Imagen: la herramienta basada en ultrasonido NEOSONICS identifica de forma no invasiva los casos de meningitis infantil (foto cortesía de Newborn Solution)

Herramienta no invasiva basada en ultrasonido detecta con precisión la meningitis infantil

La meningitis, una inflamación de las membranas que rodean el cerebro y la médula espinal, puede ser mortal en bebés si no se diagnostica y trata a tiempo. Incluso con tratamiento, puede dejar daños permanentes,... Más

Medicina Nuclear

ver canal
Imagen: la herramienta de diagnóstico podría mejorar las decisiones de diagnóstico y tratamiento para pacientes con infecciones pulmonares crónicas (foto cortesía de SNMMI)

Nueva técnica de PET específica para bacterias detecta infecciones pulmonares difíciles de diagnosticar

Mycobacteroides abscessus es una micobacteria de rápido crecimiento que afecta principalmente a pacientes inmunodeprimidos y a personas con enfermedades pulmonares preexistentes, como fibrosis... 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.