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
IBA-Radcal

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
Radiation Safety Barrier
RayShield Intensi-Barrier
Digital X-Ray Detector Panel
Acuity G4
Mobile X-Ray System
K4W

Canales

Radiografía

ver canal
Imagen: el nuevo método de imágenes de rayos X capaz de producir imágenes de múltiples contrastes fue desarrollado por los investigadores Mini Das y Jingcheng Yuan (Fotografía cortesía de la Universidad de Houston)

Avance en rayos X captura tres tipos de contraste de imagen en una sola toma

La detección de cáncer en etapas tempranas o cambios sutiles en las capas profundas de los tejidos ha sido un desafío para los sistemas de rayos X convencionales, que dependen únicamente... 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.