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
Ampronix,  Inc

Deascargar La Aplicación Móvil




El algoritmo de aprendizaje profundo basado en TC diferencia con precisión las fracturas vertebrales benignas de las malignas

Por el equipo editorial de HospiMedica en español
Actualizado el 18 Apr 2024

Se espera que el aumento de la población que envejece dé como resultado un aumento correspondiente en la prevalencia de fracturas vertebrales que pueden causar dolor de espalda o compromiso neurológico, lo que lleva a un deterioro de la función o discapacidad. Más...

Clínicamente, las fracturas vertebrales benignas y malignas no se distinguen porque normalmente ocurren sin un traumatismo adecuado. La tomografía computarizada desempeña un papel clave a la hora de distinguir entre fracturas vertebrales benignas y malignas debido a la amplia disponibilidad de la tecnología y su capacidad para representar líneas de fractura en diferentes planos reconstruidos. Sin embargo, distinguir entre fracturas vertebrales benignas y malignas sigue siendo un desafío con la TC sola. Ahora, un nuevo estudio ha demostrado que los modelos de aprendizaje profundo basados en TC pueden discriminar eficazmente las fracturas vertebrales benignas de las malignas. El estudio encontró que los modelos funcionaron mejor o similar que los residentes de radiología y tan buenos como los de un radiólogo capacitado.

En el estudio, investigadores de la Universidad Técnica de Múnich (TUM, Múnich, Alemania) examinaron si los modelos de aprendizaje profundo basados en TC podían diferenciar de forma fiable entre fracturas vertebrales benignas y malignas. El estudio identificó retrospectivamente tomografías computarizadas obtenidas entre junio de 2005 y diciembre de 2022 de pacientes con fracturas vertebrales benignas o malignas según un estándar de referencia compuesto que incluía información histopatológica y radiológica. Los investigadores seleccionaron al azar un conjunto de pruebas internas y obtuvieron un conjunto de pruebas externas de otro hospital.

Los modelos de aprendizaje profundo basados en CT utilizaron una arquitectura de codificador-clasificador tridimensional U-Net y aplicaron aumento de datos durante el entrenamiento. Los investigadores evaluaron el rendimiento de los modelos utilizando el área bajo la curva característica operativa del receptor (AUC) y lo compararon con el de dos residentes y un radiólogo capacitado utilizando la prueba DeLong. El estudio reveló que los modelos desarrollados tenían un alto poder discriminatorio para diferenciar entre fracturas vertebrales benignas y malignas. Su desempeño superó o igualó al de los residentes de radiología e igualó al de un radiólogo capacitado.

Enlaces relacionados:
tum


Miembro Oro
Neonatal Heel Incision Device
Tenderfoot
Monitor de radiología
MDNC-6121 Barco Nio Color 5.8MP
Tourniquet System
heidi– mein Tourniquet
Rapid Sepsis Test
SeptiCyte RAPID
Lea el artículo completo al registrarse hoy mismo, es GRATIS! ¡Es GRATUITO!
Regístrese GRATIS a HospiMedica.es y acceda a las noticias y eventos que afectan al mundo de la Medicina.
  • Edición gratuita de la versión digital de HospiMedica en Español enviado regularmente por email
  • Revista impresa gratuita de la revista HospiMedica en Español (disponible únicamente fuera de EUA y Canadá).
  • Acceso gratuito e ilimitado a ediciones anteriores de HospiMedica en Español digital
  • Boletín de HospiMedica en Español gratuito cada dos semanas con las últimas noticias
  • Noticias de último momento enviadas por email
  • Acceso gratuito al calendario de eventos
  • Acceso gratuito a los servicios de nuevos productos de LinkXpress
  • Registrarse es sencillo y GRATUITO!
Haga clic aquí para registrarse








Canales

Cuidados Criticos

ver canal
Imagen: La vigilancia de vigilancia del departamento de emergencias casi en tiempo real podría guiar las advertencias de calor, las intervenciones de enfriamiento, la protección de los trabajadores y los mensajes específicos. (Crédito de la imagen: Adobe Stock)

Sistema de vigilancia rápida ayuda a proteger pacientes de alto riesgo durante olas de calor

Las olas de calor, definidas como periodos prolongados de temperatura excesivamente alta, provocan aumentos pronunciados en la demanda de los servicios de urgencias, pero su impacto clínico a menudo... Más

Cuidados de Pacientes

ver canal
Crédito de la imagen: iStock

Estudio multicéntrico cuantifica retrasos en atención de pacientes que esperan hospitalización en urgencias

La permanencia de pacientes hospitalizados en el departamento de urgencias (ED) mientras esperan una cama de hospitalización genera retrasos peligrosos en la atención definitiva.... Más

Pruebas POC

ver canal
Imagen: Ilustración esquemática que muestra la biodetección con microagujas encapsuladas en MOF versus el diagnóstico y la monitorización de la lesión renal aguda basados ​​en extracción de sangre convencional. (Yixuan Wang et al., Materiales Avanzados, 2026. DOI: 10.1002/adma.74423)

Parche de microagujas permite monitoreo domiciliario de lesión renal aguda

La enfermedad renal suele ser silenciosa en sus primeras etapas, lo que dificulta la detección oportuna fuera de los entornos clínicos. Los biomarcadores tempranos, como la lipocalina asociada... Más

Negocios

ver canal
Imagen: El autoinyector de epinefrina integrado en teléfonos inteligentes de Sempresto gana el premio de diseño Red Dot (Fotografía cortesía de Sempresto)

Autoinyector de epinefrina de epinefrina integrado con smartphone gana premio Red Dot de diseño

Las reacciones alérgicas graves pueden agravarse rápidamente y requieren epinefrina de inmediato, pero muchos pacientes en riesgo no llevan de forma constante su autoinyector.... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.