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
Ingresar
Publique su anuncio con nosotros
Ampronix,  Inc

Deascargar La Aplicación Móvil




La inteligencia artificial acelera el análisis de los rayos X de tórax

Por el equipo editorial de HospiMedica en español
Actualizado el 12 Feb 2019
Print article
Imagen: Un estudio nuevo afirma que la IA puede ayudar a priorizar las radiografías de tórax (Fotografía cortesía de Shutterstock).
Imagen: Un estudio nuevo afirma que la IA puede ayudar a priorizar las radiografías de tórax (Fotografía cortesía de Shutterstock).
Afirma un nuevo estudio: un sistema nuevo de inteligencia artificial (IA) puede reducir drásticamente el tiempo necesario para recibir la opinión de un radiólogo experto al respecto de radiografías de tórax anormales con hallazgos críticos.

Desarrollado por investigadores del King's College de Londres (KCL; Reino Unido), la Universidad de Warwick (Coventry, Reino Unido) y otras instituciones, el sistema de IA fue desarrollado utilizando 470.388 radiografías de tórax institucionales de adultos, totalmente anónimas, adquiridas entre 2007 y 2017. Los informes radiológicos adjuntos se preprocesaron utilizando un sistema de procesamiento de lenguaje natural interno (NLP) que modela el lenguaje radiológico, que analizó los informes de texto libre para priorizar cada radiografía como crítica, urgente, no urgente o normal.

Luego se formó un conjunto de dos redes neuronales convolucionales profundas (CNN, por sus siglas en inglés) para predecir la prioridad clínica de las apariencias radiológicas solamente. El desempeño del sistema en la priorización de radiografías se ensayó en una simulación utilizando un conjunto independiente de 15.887 radiografías. El desempeño de la predicción se evaluó con el área bajo la curva de características operativas del receptor, determinando adicionalmente la sensibilidad, especificidad, valor predictivo positivo (VPP) y valor predictivo negativo (VPN), con la intención de automatizar las radiografías de tórax de adultos en tiempo real basadas en la apariencia de las imágenes.

Los resultados revelaron que las radiografías de tórax normales (utilizadas para diagnosticar y monitorizar una amplia gama de afecciones que afectan los pulmones, el corazón, los huesos y los tejidos blandos) fueron detectadas por el sistema de IA con una sensibilidad del 71%, una especificidad del 95%, un VPP de 73%, y un VPN del 94%. La demora promedio en el reporte de los algoritmos se redujo de 11,2 a solo 2,7 días para los hallazgos críticos de imágenes, y de 7,6 a 4,1 días para los hallazgos de imágenes urgentes, en comparación con los datos históricos. El estudio fue publicado el 19 de enero de 2019 en la revista Radiology.

“Las crecientes demandas clínicas en los departamentos de radiología de todo el mundo han desafiado los modelos actuales de prestación de servicios. Ya no es posible que muchos departamentos de radiología con su personal actual informen todas las radiografías simples adquiridas de manera oportuna, lo que lleva a grandes atrasos de estudios no informados”, dijo el autor principal, el profesor Giovanni Montana, MD, de la Universidad de Warwick. “En el Reino Unido, se estima que, en cualquier momento, hay más de 300.000 radiografías que esperan el reporte por más de 30 días. Se podrían utilizar modelos alternativos de atención, como los algoritmos de visión artificial, para reducir en gran medida los retrasos en el proceso de identificación y la actuación de radiografías anormales, en particular para las radiografías de tórax”.

Las CNN utilizan una cascada de muchas capas de unidades de procesamiento no lineales para imágenes u otra extracción y transformación de características de datos, con cada capa sucesiva utilizando la salida de la capa anterior como entrada para formar una representación jerárquica.

Enlace relacionado:
King's College de Londres
Universidad de Warwick



Print article
Centurion Service

Canales

Téc. Quirúrgica

ver canal
Imagen: La lista de verificación de seguridad quirúrgica de la OMS reduce las muertes postquirúrgicas (Fotografía cortesía de Getty Images).

Listas de verificación de seguridad quirúrgica reducen la mortalidad postoperatoria

De acuerdo con un estudio nuevo, la implementación por parte de la Organización Mundial de la Salud (OMS; Ginebra, Suiza) de la lista de verificación de seguridad quirúrgica lleva a una reducción del 37,2%... Más

Bio Investigación

ver canal

Diseñan programa que proporciona soluciones integradas para investigación bioinformática

Dedicated Computing (Waukesha, WI, EUA), una compañía global de tecnología, informó que estará participando en el programa Intel Cluster Ready para ofrecer soluciones integradas de clústeres de computación de alto rendimiento para el mercado de ciencias de la vida.... Más

Negocios

ver canal
Imagen: Las investigaciones muestran que los pacientes de edad avanzada que no pueden acudir a los hospitales impulsan la demanda de dispositivos y servicios de monitorización multiparamétrica de pacientes (Fotografía cortesía de Boston Scientific).

Mercado de monitorización multiparamétrica es determinado por los pacientes que reciben atención en casa

Se proyecta que el mercado global de monitorización multiparamétrica de pacientes registre una TCAC del 5% entre 2019-2024, impulsado principalmente por el crecimiento rápido de la población que envejece... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.