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
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Inteligencia artificial detecta defectos cardíacos en recién nacidos a partir de imágenes de ultrasonido

Por el equipo editorial de MedImaging en español
Actualizado el 18 Apr 2024
Print article
Imagen: Un examen de ultrasonido cardíaco que se realiza en un bebé de 7 semanas (Fotografía cortesía de ETH Zurich)
Imagen: Un examen de ultrasonido cardíaco que se realiza en un bebé de 7 semanas (Fotografía cortesía de ETH Zurich)

La hipertensión pulmonar es una afección en la que las arterias que van a los pulmones de un bebé no se abren lo suficiente o no se cierran poco después del nacimiento. Esto dificulta que la sangre llegue a los pulmones y que el bebé obtenga suficiente oxígeno. Es muy importante encontrar y tratar este problema rápidamente para ayudar al bebé a mejorar. Sin embargo, determinar si un bebé tiene hipertensión pulmonar es difícil y, por lo general, sólo los cardiólogos muy capacitados pueden hacerlo observando las ecografías del corazón. Ahora, los investigadores han desarrollado un modelo de inteligencia artificial (IA) que puede ayudar a diagnosticar la enfermedad en los recién nacidos.

Investigadores de ETH Zurich (Zúrich, Suiza) desarrollaron el modelo de IA entrenando su algoritmo con vídeos de grabaciones de ecografías cardíacas de 192 recién nacidos. Estos videos mostraban el corazón latiendo desde diferentes lados e incluían las opiniones de los cardiólogos sobre si el bebé tenía hipertensión pulmonar y la gravedad de la afección. Luego, probaron el modelo de IA utilizando un segundo conjunto de datos de imágenes de ultrasonido de 78 recién nacidos. El modelo de IA diagnosticó correctamente si el bebé tenía hipertensión pulmonar en aproximadamente el 80 al 90 % de los casos y también acertó en cuanto a la gravedad en aproximadamente el 65 al 85 % de los casos.

El modelo de IA también resalta las partes de la imagen de ultrasonido en las que se basa su categorización, permitiendo a los médicos saber exactamente qué áreas o características del corazón y sus vasos sanguíneos consideran sospechosas. Este modelo de IA podría aplicarse potencialmente a otros órganos y enfermedades, como el diagnóstico de defectos del tabique cardíaco o valvulopatías. También podría encontrar aplicación en regiones donde no hay especialistas disponibles: el modelo podría examinar imágenes de ultrasonido estandarizadas tomadas por un profesional de la salud y proporcionar una evaluación de riesgo preliminar e indicar si se debe consultar a un especialista. Los centros médicos sin acceso a especialistas altamente calificados podrían utilizar el modelo de IA para reducir su carga de trabajo y lograr un mejor diagnóstico.

"La clave para utilizar un modelo de aprendizaje automático en un contexto médico no es sólo la precisión de la predicción, sino también si los humanos son capaces de comprender los criterios que utiliza el modelo para tomar decisiones", dijo Julia Vogt de ETH Zurich, quien dirigió el grupo de investigación. “La IA tiene el potencial de realizar mejoras significativas en la atención sanitaria. La cuestión crucial para nosotros es que la decisión final siempre la tome una persona, un médico. La IA debería simplemente brindar apoyo para garantizar que el máximo número de personas pueda recibir la mejor atención médica posible”.

Enlaces relacionados:
ETH Zúrich

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Brachytherapy Planning System
Oncentra Brachy
New
Pre-Op Planning Solution
Sectra 3D Trauma
New
Ceiling-Mounted Digital Radiography System
Radiography 5000 C

Print article

Canales

RM

ver canal
Imagen: El polvo de diamante ofrece una alternativa potencial al agente de contraste ampliamente utilizado gadolinium en RM(Foto cortesía del Instituto Max Planck)

El polvo de diamante podría ofrecer una nueva opción de agente de contraste para futuras exploraciones por resonancia magnética

El gadolinio, un metal pesado utilizado durante más de tres décadas como agente de contraste en imágenes médicas, mejora la claridad de las imágenes por resonancia m... Más

Medicina Nuclear

ver canal
Imagen: El sistema de IA utiliza imágenes de gammagrafía para el diagnóstico temprano de amiloidosis cardíaca (Fotografía cortesía de 123RF)

Sistema de IA detecta de forma automática y confiable amiloidosis cardíaca mediante imágenes de gammagrafía

La amiloidosis cardíaca, una afección caracterizada por la acumulación de depósitos anormales de proteínas (amiloide) en el músculo cardíaco, afecta gravemente... Más

Imaginología General

ver canal
Imagen: los escaneos PET revelan inflamación en pacientes con esclerosis múltiple

Las exploraciones PET revelan inflamación oculta en pacientes con esclerosis múltiple

Un desafío clave para los médicos que tratan a pacientes con esclerosis múltiple (EM) es que después de un cierto período de tiempo, continúan empeorando aunque... 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 © 2000-2024 Globetech Media. All rights reserved.