Software de imágenes mejora diagnóstico pulmonar en pacientes alérgicos al medio de contraste

Esto se debe a que los métodos de obtención de imágenes sin contraste son menos precisos y, por lo general, tardan más en administrarse. Ahora, se ha desarrollado un nuevo software de imágenes para abordar este desafío generalizado, ofreciendo a estos pacientes una alternativa de diagnóstico más confiable y rápida.

Desarrollado en Corewell Health (Southfield, MI, EUA), el software conocido como CT-Derived Functional Imaging, o CTFI, utiliza tecnología avanzada de tomografía computarizada. Emplea un enfoque matemático complejo integrado en una fórmula llamada Formulación Jacobiana Integrada, que calcula rápidamente cambios significativos en el volumen pulmonar a medida que un paciente inhala y exhala. Además, este método rastrea los cambios en la masa sanguínea durante las fases de inhalación y exhalación, proporcionando información mientras la sangre circula por los pulmones. Esta capacidad permite a los médicos e investigadores obtener datos consistentes de los pacientes, mejorando la exactitud de los diagnósticos y la precisión de los tratamientos específicos, todo sin la necesidad de medio de contraste. Si bien este software es particularmente beneficioso para los pacientes que no pueden recibir medio de contraste, también ayuda en el tratamiento de afecciones pulmonares como la enfermedad pulmonar obstructiva crónica (EPOC) y el cáncer.

Este software innovador ha demostrado potencial para minimizar la exposición a la radiación de áreas pulmonares sanas adyacentes a los tumores durante los tratamientos. Además, ha demostrado ser eficaz en la detección de embolia pulmonar mediante la identificación de cambios en la masa sanguínea mediante una simple tomografía computarizada sin contraste durante la inhalación y la exhalación. Hallazgos recientes demuestran la capacidad del software para predecir la progresión de la enfermedad en pacientes con EPOC durante una década, una hazaña que supera las capacidades de las tecnologías existentes. Los investigadores ahora están explorando cómo la integración de un modelo de aprendizaje automático basado en CTFI con tomografías computarizadas puede mejorar la precisión del diagnóstico, ayudando a los médicos a identificar mejor a los pacientes con riesgo de progresión de la enfermedad y, en última instancia, mejorando las tasas de supervivencia de las personas con EPOC.

"En última instancia, el objetivo es siempre garantizar que los médicos tengan las mejores herramientas disponibles cuando tratan a los pacientes", dijo el ingeniero biomédico Edward Castillo, Ph.D. "La IA tiene el potencial de impulsar significativamente nuestro trabajo para mejorar la salud de los pacientes y salvar vidas".

Enlaces relacionados:
Corewell Health