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 HospiMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
IBA-Radcal

Descargar La Aplicación Móvil




Modelo de aprendizaje que preserva la privacidad adapta IA radiológica para adultos a atención neonatal

Por el equipo editorial de HospiMedica en español
Actualizado el 16 Oct 2026

Los modelos de inteligencia artificial pueden apoyar la interpretación de imágenes radiológicas, pero la atención pediátrica y neonatal siguen desatendidas. Más...

Las restricciones de privacidad limitan el acceso a los historiales médicos de los niños, y las imágenes pediátricas representan menos del 1% de los conjuntos de datos públicos de imágenes médicas. Esta escasez fomenta la dependencia de modelos entrenados principalmente con datos de adultos, que pueden no funcionar bien en lactantes y niños.

Un nuevo estudio explora una forma de salvar esta brecha adaptando para uso neonatal modelos de radiografías entrenados con adultos, sin que los datos hospitalarios salgan del centro.

Investigadores de la Escuela de Medicina de Harvard desarrollaron un enfoque de aprendizaje continuo que preserva la privacidad para adaptar modelos de IA de radiografías entrenados con datos de adultos para la atención neonatal. El modelo se diseñó originalmente para evaluar si los tubos endotraqueales se habían colocado correctamente en adultos. Estos tubos ayudan a sostener la respiración en pacientes con problemas respiratorios, y una colocación precisa es especialmente importante en los recién nacidos, lo que convierte esta tarea en un foco para adaptar el modelo a las imágenes neonatales.

Para permitir esta adaptación sin compartir historiales sensibles de pacientes, el enfoque permite que el modelo se mueva entre instituciones mientras los datos de los pacientes permanecen dentro de cada hospital. Los investigadores simularon este proceso entrenando el modelo de forma secuencial con datos de instituciones individuales, lo que le permitió aprender de múltiples centros. Esta estrategia se diseñó para superar las barreras de privacidad que a menudo restringen el acceso a los historiales médicos pediátricos para el desarrollo de inteligencia artificial.

El enfoque se evaluó en un estudio multicéntrico internacional que incluyó 2.965 radiografías de tórax de 30 unidades de cuidados intensivos neonatales de 20 países y territorios. Tras el entrenamiento secuencial, el modelo completamente entrenado identificó la ubicación de la punta del tubo endotraqueal con un error promedio de 0,67 cm. Esto se comparó con un error promedio de 1,29 cm para los modelos existentes adaptados a niños con datos de una sola institución y de 4,30 cm para los modelos de adultos, lo que indica una mejor localización mediante el enfoque de aprendizaje multicéntrico.

A pesar de las diferencias en la calidad y las características de las imágenes, el modelo entrenado de forma continua superó a los modelos de adultos entrenados con datos pediátricos de un solo hospital en 29 de los 30 centros. Esto se observó incluso cuando el modelo de comparación se probó con imágenes del mismo hospital y el modelo entrenado de forma continua no había visto esas imágenes.

El estudio, titulado “Repurposing adult AI radiograph models for neonatal care through continual learning: an international multicentre study”, se publicó en Nature Biomedical Engineering.

Solo el 17% de los dispositivos médicos de inteligencia artificial autorizados por la FDA están etiquetados para uso pediátrico, según el artículo. Aunque este trabajo se centró en la colocación del tubo endotraqueal, los investigadores afirmaron que el marco podría aplicarse potencialmente a otros modelos de adultos y a otras poblaciones de pacientes infrarrepresentadas. Describieron el estudio como un enfoque de prueba de principio para adaptar la inteligencia artificial médica sin que los datos sensibles salgan de un hospital.

“Probamos el modelo en un hospital que nunca había visto antes, y funcionó mejor que un modelo entrenado con exploraciones de ese hospital específico: ese es un resultado bastante contundente. Y, en comparación con el modelo original de adultos, está muchísimo mejor”, dijo Vishwanatha Rao, miembro del laboratorio de informática biomédica de Pranav Rajpurkar en la Escuela de Medicina de Harvard y estudiante de M.D.-Ph.D. en la Universidad de Pensilvania.

“Gran parte de lo que pretende lograr la investigación es demostrar que algo es posible. Hemos demostrado que existe un sistema mediante el cual se pueden ajustar estos modelos sin que los datos sensibles salgan de un hospital”, dijo Pranav Rajpurkar, profesor asociado de informática biomédica en el Instituto Blavatnik de la Escuela de Medicina de Harvard.

Enlaces relacionados
Escuela de Medicina de Harvard


Miembro Oro
Handheld Blood Glucose Analyzer
STAT-Site
Hand-held Hemoglobin Analyzer
DiaSpect Tm
Monitor de imágenes mamarias
Barco Coronis Onelook MDMC-32133 32MP
Blood Pressure Monitor
Cuff Blood Pressure Monitor
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

Técnicas Quirúrgicas

ver canal
Imagen: La cirugía guiada por fluorescencia puede hacer que los nervios sean más fáciles de distinguir del tejido circundante, pero la iluminación ambiental brillante puede anular las débiles señales de fluorescencia, alterando las imágenes y el flujo de trabajo quirúrgico. Un sistema recientemente desarrollado utiliza modulación espaciotemporal para codificar la fluorescencia nerviosa con un patrón espacial y temporal distintivo, lo que permite separarla de la iluminación de fondo. (Crédito de la imagen: Y. Zhao/Physical Sciences Inc.)

Imagen por fluorescencia permite visualizar nervios con iluminación normal de quirófano

La prevención de lesiones nerviosas no intencionadas sigue siendo una preocupación importante durante la cirugía, especialmente en regiones anatómicas complejas donde los nervios... Más

Cuidados de Pacientes

ver canal
Imagen: Una vista del interior del entorno de realidad virtual personalizado utilizado en el estudio: una habitación tranquila con un osito de peluche, colores suaves y grandes ventanales con vistas al mar. (Crédito de la imagen: Walaa S. Abu Rukbah et al., Virginia Commonwealth University; CC-BY 4.0, https://creativecommons.org/licenses/by/4.0/)

Programa de realidad virtual podría reducir la ansiedad antes de cirugía pediátrica

La ansiedad antes de la cirugía afecta a un estimado del 50% al 75% de los niños sometidos a cirugía y puede complicar la inducción de la anestesia, aumentar el dolor posoperatorio... Más

Negocios

ver canal
Imagen: LigaSure RAS Maryland, diseñado para la plataforma Valleylab FT10 en Hugo RAS, sella y corta vasos, tejidos y vasos linfáticos de hasta 7 mm de diámetro (Fotografía cortesía de Medtronic)

Medtronic recibe autorización de la FDA para instrumento de sellado vascular en cirugía robótica

A medida que la cirugía asistida por robot se expande en los hospitales de Estados Unidos, los equipos buscan cada vez más instrumentos de energía con la familiaridad y el rendimiento... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.