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

Deascargar La Aplicación Móvil




TI-RADS con algoritmo de aprendizaje profundo guía el diagnóstico de nódulos tiroideos pediátricos en ultrasonido

Por el equipo editorial de MedImaging en español
Actualizado el 25 Oct 2022
Imagen: ACR TI-RADS y un algoritmo de aprendizaje profundo también pueden guiar las decisiones para realizar aspiración de aguja fina (Fotografía cortesía de Pexels)
Imagen: ACR TI-RADS y un algoritmo de aprendizaje profundo también pueden guiar las decisiones para realizar aspiración de aguja fina (Fotografía cortesía de Pexels)

ACR TI-RADS y un algoritmo de aprendizaje profundo entrenado en poblaciones adultas ofrecen estrategias alternativas para evaluar los nódulos tiroideos en niños y adultos jóvenes, incluida la orientación de las decisiones para realizar una aspiración con aguja fina.

En un nuevo estudio, investigadores de la Universidad de Duke (Durham, NC, EUA) evaluaron a 139 pacientes (119 mujeres, 20 hombres) de ≤21 años de edad con un nódulo tiroideo en ultrasonido con resultados patológicos definitivos de aspiración con aguja fina y/o escisión quirúrgica. Luego se extrajeron imágenes únicas transversales y longitudinales de un nódulo por paciente. Tres radiólogos caracterizaron de forma independiente los nódulos en función de la impresión general (benignos frente a malignos) y ACR TI-RADS. Un algoritmo de aprendizaje profundo desarrollado previamente determinó la probabilidad de malignidad de cada nódulo, que se utilizó para derivar un nivel de riesgo. En última instancia, para evaluar los nódulos tiroideos mediante ecografía en niños y adultos jóvenes, las impresiones generales de los radiólogos, que representan el enfoque clínico estándar actual, tuvieron una sensibilidad media del 58,3 % y una especificidad media del 79,9 %; ACR TI-RADS tuvo una sensibilidad media del 85,1 % y una especificidad media del 50,6 %, y un algoritmo de aprendizaje profundo tuvo una sensibilidad del 87,5 % y una especificidad del 36,1 %.

"Tanto ACR TI-RADS como el algoritmo de aprendizaje profundo tenían una mayor sensibilidad, aunque una menor especificidad, en comparación con las impresiones generales de los radiólogos", escribió el coautor Jichen Yang, BSE, del departamento de ingeniería eléctrica e informática de la Universidad de Duke. Agregando que el algoritmo tenía una sensibilidad similar, pero una especificidad más baja que ACR TI-RADS, "la concordancia entre observadores fue mayor para ACR TI-RADS que para las impresiones generales", señaló Yang.

"Dada la mayor prioridad de la sensibilidad al evaluar los nódulos tiroideos en niños, en comparación con los adultos, los hallazgos respaldan la exploración continua en niños de ACR TI-RADS y del algoritmo de aprendizaje profundo", concluyó Yang.

Enlaces relacionados:
Universidad de Duke

Ultrasound Table
Women’s Ultrasound EA Table
Medical Radiographic X-Ray Machine
TR30N HF
Ultrasound Needle Guidance System
SonoSite L25
X-Ray Generator
Advantage Plus Generators

Canales

TI en Imaginología

ver canal
Imagen: La plataforma admite la creación de informes asistida por IA en tiempo real a medida que los radiólogos dictan, extrayendo los hallazgos del habla natural y colocándolos en las secciones apropiadas del informe (Crédito de la imagen: Adobe Stock)

Plataforma de informes con IA ambiental agiliza la elaboración de informes radiológicos

Los departamentos de radiología se enfrentan a un volumen creciente de imágenes y a la escasez de personal, lo que genera cuellos de botella en la elaboración de informes y presión... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.