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
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Un sistema nuevo de IA da prioridad a los exámenes de rayos-X del tórax con hallazgos críticos

Por el equipo editorial de MedImaging en español
Actualizado el 11 Feb 2019
Imagen: Ejemplos de radiografías con prioridad correcta e incorrecta. (a) La radiografía fue informada mostrando un derrame pleural derecho grande (flecha). Esto fue correctamente priorizado como urgente. (b) Se notificó que la radiografía muestra “lucencia en el vértice izquierdo sospechoso de neumotórax”. Esto se priorizó como normal. En revisión por tres radiólogos independientes, la radiografía se consideró unánimemente normal. (c) Una radiografía se informó mostrando una consolidación proyectada detrás del corazón (flecha). El sistema de inteligencia artificial pasó por alto el hallazgo y el estudio se priorizó incorrectamente como normal (Fotografía cortesía de la RSNA).
Imagen: Ejemplos de radiografías con prioridad correcta e incorrecta. (a) La radiografía fue informada mostrando un derrame pleural derecho grande (flecha). Esto fue correctamente priorizado como urgente. (b) Se notificó que la radiografía muestra “lucencia en el vértice izquierdo sospechoso de neumotórax”. Esto se priorizó como normal. En revisión por tres radiólogos independientes, la radiografía se consideró unánimemente normal. (c) Una radiografía se informó mostrando una consolidación proyectada detrás del corazón (flecha). El sistema de inteligencia artificial pasó por alto el hallazgo y el estudio se priorizó incorrectamente como normal (Fotografía cortesía de la RSNA).
Un equipo de investigadores del Reino Unido ha capacitado a un sistema de inteligencia artificial (IA) para interpretar y priorizar las radiografías de tórax anormales con hallazgos críticos, creando así el potencial para reducir la acumulación de exámenes y brindar atención médica urgente a los pacientes con mayor rapidez.

A nivel mundial, las radiografías de tórax representan el 40% de todas las imágenes de diagnóstico y la cantidad de exámenes puede generar importantes atrasos en los centros de atención médica. El aprendizaje profundo (AP), un tipo de IA que puede ser capacitada para reconocer patrones sutiles en imágenes médicas, se considera un medio automático para reducir esta acumulación e identificar exámenes que merecen atención inmediata, especialmente en sistemas de atención médica financiados con fondos públicos.

En su estudio, los investigadores utilizaron 470.388 radiografías de tórax en adultos para desarrollar un sistema de IA que podría identificar hallazgos clave. Los informes radiológicos fueron preprocesados utilizando Procesamiento de Lenguaje Natural (NLP, por sus siglas en inglés), un algoritmo importante del sistema de IA que extrae etiquetas de texto escrito. Para cada radiografía, el sistema interno de los investigadores requirió una lista de etiquetas que indicaban qué anomalías específicas eran visibles en la imagen.

El NLP analizó el informe radiológico para priorizar cada imagen como crítica, urgente, no urgente o normal. Luego, se entrenó un sistema de inteligencia artificial para visión computacional utilizando imágenes de rayos X etiquetadas para predecir la prioridad clínica solo a partir de las apariencias. Los investigadores probaron el desempeño del sistema para la priorización en una simulación utilizando un conjunto independiente de 15.887 imágenes. El sistema de IA distingue las radiografías de tórax normales con alta exactitud. Las simulaciones mostraron que los hallazgos críticos recibieron la opinión de un radiólogo experto en 2,7 días, en promedio, con el enfoque de IA, significativamente más rápido que el promedio de 11,2 días para la práctica real.

“Los resultados iniciales reportados aquí son emocionantes, ya que demuestran que un sistema de inteligencia artificial puede ser entrenado exitosamente usando una gran base de datos radiológicos adquiridos de forma rutinaria”, dijo el coautor del estudio, Giovanni Montana, PhD., anteriormente del King's College de Londres en Londres y actualmente en la Universidad de Warwick en Coventry, Inglaterra. “Con una mayor validación clínica, se espera que esta tecnología reduzca la carga de trabajo de un radiólogo de manera significativa al detectar todos los exámenes normales, de modo que se pueda dedicar más tiempo a aquellos que requieren más atención”.

Enlace relacionado:
Medical Radiographic X-Ray Machine
TR30N HF
New
Ultrasound Needle Guidance System
SonoSite L25
Digital Intelligent Ferromagnetic Detector
Digital Ferromagnetic Detector
New
Breast Localization System
MAMMOREP LOOP

Canales

RM

ver canal
Imagen: una resonancia magnética cardíaca con contraste de un paciente con miocardiopatía hipertrófica considerado por MAARS con alto riesgo de muerte súbita (foto cortesía de la Universidad Johns Hopkins)

Modelo de IA supera a los médicos en la identificación de pacientes con mayor riesgo de paro cardíaco

La miocardiopatía hipertrófica es una de las cardiopatías hereditarias más comunes y una de las principales causas de muerte súbita cardíaca en jóvenes y deportistas.... Más

Ultrasonido

ver canal
Imagen: el nuevo dispositivo implantable para el tratamiento del dolor crónico es pequeño y flexible (foto cortesía de The Zhou Lab at USC)

Dispositivo inalámbrico para el manejo del dolor crónico reduce la necesidad de analgésicos y cirugía

El dolor crónico afecta a millones de personas en todo el mundo, lo que a menudo provoca discapacidad a largo plazo y dependencia de opioides, los cuales conllevan riesgos importantes de efectos... Más

Medicina Nuclear

ver canal
Imagen: la herramienta de diagnóstico podría mejorar las decisiones de diagnóstico y tratamiento para pacientes con infecciones pulmonares crónicas (foto cortesía de SNMMI)

Nueva técnica de PET específica para bacterias detecta infecciones pulmonares difíciles de diagnosticar

Mycobacteroides abscessus es una micobacteria de rápido crecimiento que afecta principalmente a pacientes inmunodeprimidos y a personas con enfermedades pulmonares preexistentes, como fibrosis... Más

Imaginología General

ver canal
Imágenes de resultado positivo en examen de detección de colonografía por TC en un hombre asintomático de 67 años (foto cortesía de Radiology)

La colonografía por TC supera a la prueba de ADN en heces para la detección del cáncer de colon

Dado que el cáncer colorrectal sigue siendo la segunda causa principal de muertes relacionadas con el cáncer a nivel mundial, la detección temprana mediante pruebas de cribado es fundamental... 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.