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
Ampronix,  Inc

Deascargar La Aplicación Móvil




Técnica de inteligencia artificial identifica casos de tuberculosis

Por el equipo editorial de Medimaging en español
Actualizado el 09 May 2017
Print article
Imagen: Una radiografía de tórax de un paciente con TB activa, y una radiografía con una superposición de mapa de calor que muestra algunos de los resultados del análisis usando la inteligencia artificial (Fotografía cortesía de la RSNA).
Imagen: Una radiografía de tórax de un paciente con TB activa, y una radiografía con una superposición de mapa de calor que muestra algunos de los resultados del análisis usando la inteligencia artificial (Fotografía cortesía de la RSNA).
Los investigadores han encontrado que pueden utilizar una técnica de inteligencia artificial, llamada aprendizaje profundo, para identificar casos de tuberculosis en los exámenes de rayos X de tórax con una tasa de exactitud neta de 96%.
 
Según la Organización Mundial de la Salud (OMS), alrededor de 1,8 millones de personas murieron de tuberculosis en 2016. Un simple examen radiológico de tórax puede ayudar a los radiólogos a identificar la enfermedad, pero muchos pacientes de tuberculosis viven en áreas remotas sin acceso a radiólogos expertos, que puedan interpretar las imágenes, y diagnosticar la enfermedad.
 
El estudio fue realizado por investigadores del Hospital Universitario Thomas Jefferson (TJUH, Filadelfia, PA, EUA), quienes entrenaron modelos de inteligencia artificial para identificar la TB en las radiografías de tórax. El objetivo de la investigación fue ayudar a la detección y evaluación de pacientes en áreas prevalentes de TB, que carecen de acceso a radiólogos. El estudio fue publicado en la edición digital del 25 de abril de 2017, de la revista Radiology.
 
Los investigadores usaron 1.007 exámenes de rayos X, de pacientes con y sin TB activa, para el estudio. Los conjuntos de datos múltiples de rayos X positivos para la TB y negativos para la TB, fueron usados para entrenar dos modelos diferentes de una Red Neural Convulsionada Profunda (DCNN, por sus siglas en inglés) llamados AlexNet y GoogLeNet. Los investigadores descubrieron que el modelo de Inteligencia Artificial (IA) de mejor desempeño fue cuando se usaron juntos AlexNet y GoogLeNet, lo que dio como resultado una exactitud neta del 96%.
 
El coautor del estudio, Paras Lakhani, MD en el TJUH, dijo: “Hay un tremendo interés en la inteligencia artificial, tanto dentro como fuera del campo de la medicina. Una solución de inteligencia artificial que pudiera interpretar las radiografías para detectar la presencia de TB de una manera rentable podría ampliar el alcance de la identificación y el tratamiento temprano en las naciones en desarrollo. La exactitud de los modelos de aprendizaje profundo es emocionante. La aplicabilidad para la TB es importante porque es una enfermedad para la cual tenemos opciones de tratamiento. Esperamos aplicarlo de forma prospectiva, en un entorno real. Una solución de inteligencia artificial que utiliza imágenes de tórax puede desempeñar un papel importante en la lucha contra la tuberculosis”.
 

Print article
Radcal

Canales

Imaginología General

ver canal
Imagen: La investigación muestra que la resonancia magnética funcional con neuroretroalimentación podría ofrecer un tratamiento potencial para el ST (Fotografía cortesía de la Universidad de Yale).

Resonancia magnética funcional en tiempo real ayuda a tratar el síndrome de Tourette

Los adolescentes con síndrome de Tourette (ST) pueden controlar sus tics faciales a través de una técnica de imagenología que les permite controlar la función de su propio cerebro en tiempo real.... Más

Industria

ver canal
Imagen: Una demostración con ACR AI-LAB permitirá a los asistentes a la Cumbre obtener una mejor comprensión de cómo los radiólogos pueden usar las herramientas ACR AI-LAB para aprender los conceptos básicos de IA y participar en la creación, evaluación y uso de la IA en la atención médica (Fotografía cortesía del ACR )

La cumbre de informática en imagenología resalta el impacto de las tecnologías de IA sobre la atención de los pacientes

La Cumbre de informática en imagenología de 2019 organizada por el Colegio Americano de Radiología {(ACR) Reston, VA, EUA} se llevará a cabo en Washington, D.C., EUA, del 5 al 6 de octubre de 2019, y se... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.