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 hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




IA diagnostica enfermedades pulmonares a partir de ecografías con una precisión del 96.57%

Por el equipo editorial de MedImaging en español
Actualizado el 07 Feb 2025
Print article
Imagen: Mapas de calor que la IA evaluó para realizar diagnósticos de enfermedades pulmonares (Foto cortesía de COVIDx-US)
Imagen: Mapas de calor que la IA evaluó para realizar diagnósticos de enfermedades pulmonares (Foto cortesía de COVIDx-US)

La inteligencia artificial (IA) tiene el potencial de convertirse en una herramienta crucial para los radiólogos, con avances recientes que le permiten diagnosticar con precisión neumonía, COVID-19 y otras enfermedades pulmonares.

El nuevo estudio, realizado por investigadores de la Universidad Charles Darwin (CDU, Casuarina, Australia) y otras instituciones colaboradoras, tiene como objetivo mejorar las capacidades de diagnóstico de la IA entrenándola para analizar los videos de ecografía pulmonar en busca de signos de enfermedades respiratorias. El modelo de IA funciona examinando cada fotograma individual del video de la ecografía para identificar características clave de los pulmones. Además, analiza la secuencia de fotogramas para detectar patrones en el comportamiento pulmonar a lo largo del tiempo. Con estos datos, el modelo puede identificar patrones específicos indicativos de diversas afecciones pulmonares, categorizando la ecografía como normal o mostrando signos de neumonía, COVID-19 u otras enfermedades pulmonares. Además, el modelo emplea técnicas de IA para proporcionar explicaciones sobre sus decisiones de diagnóstico, lo que ayuda a los radiólogos a comprender y confiar en sus resultados. El modelo utiliza IA explicable, una técnica que hace que los resultados de los algoritmos de aprendizaje automático sean más transparentes para los usuarios. Al utilizar ayudas visuales como mapas de calor, el sistema ayuda a los médicos a entender por qué se han alcanzado ciertas conclusiones, facilitando la localización de áreas problemáticas y mejorando significativamente la transparencia clínica..

Esta capacidad de interpretación tiene como objetivo mejorar la fiabilidad del sistema de IA, convirtiéndolo en una herramienta útil para los médicos. El modelo no solo puede ayudar a los médicos a diagnosticar enfermedades pulmonares de forma rápida y precisa, sino que también respalda su proceso de toma de decisiones, ahorra un tiempo valioso y sirve como recurso educativo. Los hallazgos, publicados en Frontiers in Computer Science, demuestran que el modelo alcanzó una tasa de precisión del 96,57 %, y sus análisis fueron verificados por profesionales médicos. Los investigadores creen que, con el entrenamiento y los datos adecuados, el modelo podría ampliarse para detectar enfermedades adicionales como la tuberculosis, la neumoconiosis, el asma, el cáncer, la enfermedad pulmonar crónica y la fibrosis pulmonar. Las investigaciones futuras podrían implicar el entrenamiento del modelo de IA para evaluar otros tipos de imágenes médicas, incluidas las tomografías computarizadas y las radiografías.

Enlaces relacionados:
Universidad Charles Darwin

MRI System
Ingenia Prodiva 1.5T CS
Wall Fixtures
MRI SERIES
New
HF Stationary X-Ray Machine
TR20G
Radiology Software
DxWorks

Print article

Canales

Radiografía

ver canal
Imagen: la solución de análisis de mamografías impulsada por IA INSIGHT MMG (foto cortesía de Lunit)

La mamografía impulsada por IA mejora la detección de cáncer en entornos de lectura única

Un nuevo estudio ha revelado que una solución impulsada por inteligencia artificial (IA) mejora significativamente la detección del cáncer en entornos de mamografías con un solo lector sin aumentar las... Más

Medicina Nuclear

ver canal
Imágenes PET/TC con 68Ga-FZ-NR-1 e imágenes PET/TC y PET/RM con 18F-FDG en pacientes representativos con TNBC con nectina-4 positiva (foto cortesía del Journal of Nuclear Medicine)

Nuevo radiotrazador identifica biomarcador para el cáncer de mama triple negativo

El cáncer de mama triple negativo (CMTN), que representa entre el 15 % y el 20 % de todos los casos de cáncer de mama, es uno de los subtipos más agresivos, con una tasa de supervivencia a cinco años de... Más

Imaginología General

ver canal
Imágenes axiales de ventana pulmonar de TC de tórax sin contraste de tres parches de muestra diferentes que se muestran en cada fila (Foto cortesía de Radiology: Cardiothoracic Imaging)

TC de dosis ultra baja ayuda en el diagnóstico de neumonía en pacientes inmunocomprometidos

Las infecciones pulmonares pueden poner en peligro la vida de los pacientes con sistemas inmunitarios debilitados, por lo que el diagnóstico oportuno es crucial. Si bien las tomografías computarizadas... 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.