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.

MedImaging

Deascargar La Aplicación Móvil
Noticias Recientes Radiografía RM Ultrasonido Medicina Nuclear Imaginología General TI en Imaginología Industria

Un algoritmo de IA identifica las radiografías de tórax anormales

Por el equipo editorial de MedImaging en español
Actualizado el 09 Oct 2018
Print article
Imagen: Los algoritmos de IA coinciden con los radiólogos en la detección de patologías en las radiografías de tórax y en las TC (Fotografía cortesía de Qure.ai).
Imagen: Los algoritmos de IA coinciden con los radiólogos en la detección de patologías en las radiografías de tórax y en las TC (Fotografía cortesía de Qure.ai).
Un estudio de validación clínica confirma que un algoritmo controlado por inteligencia artificial (IA) puede diferenciar entre los exámenes normales y anormales de rayos X con una exactitud sin precedentes.

Investigadores de Columbia Asia Hospitals (Kuala Lumpur, Malasia) y Qure.ai (San Mateo, CA, EUA) capacitaron un sistema de aprendizaje profundo para identificar radiografías anormales utilizando 1,2 millones de exámenes de rayos X y sus correspondientes informes de radiología. Las anomalías específicas de rayos X incluyeron un ángulo costofrénico embotado, calcificación, cardiomegalia, cavidad, consolidación, fibrosis, agrandamiento del hilio, opacidad y derrame pleural, entre otros. El sistema se probó contra un análisis mayoritario de tres radiólogos, basado en un conjunto independiente, retrospectivamente recogido y sin identificación de 2.000 radiografías.

Los resultados mostraron que el sistema de IA de aprendizaje profundo fue altamente exacto en la detección de 15 anomalías en las radiografías de tórax en niveles cercanos a la identificación del radiólogo, con más del 90% de exactitud. El estudio de validación clínica de tórax se une a un estudio clínico previo que confirmó que el algoritmo de aprendizaje profundo, Qure.ai qER, puede identificar hemorragias, fracturas y otros traumas críticos en las tomografías computarizadas (TC) de cabeza, con más del 95% de exactitud. El estudio de tórax se publicó el 18 de julio de 2018 en la revista arXiv.org.

"La radiografía de tórax es una herramienta valiosa de evaluación de la salud y un componente vital de los programas de salud pública en todo el mundo. El enorme volumen producido cada año crea una demanda cada vez mayor para los radiólogos", dijo la coautora del estudio, Shalini Govil, MD, del grupo de radiología de Columbia Asia Hospitals. "Desafortunadamente, numerosas radiografías de tórax que muestran una patología significativa se dejan desatendidas en las pilas de trabajos pendientes debido a la falta de radiólogos disponibles para informarlos. A través de la semiautomatización del proceso de informe, la IA puede reducir significativamente la carga de trabajo de un radiólogo, mejorar la exactitud del informe, reducir el tiempo de respuesta y salvar vidas".

"Este es el conjunto de datos de entrenamiento más grande que se haya realizado hasta la fecha para una IA con rayos X en el tórax. También es el estudio de validación más grande hasta la fecha, medido contra 2.000 exámenes de rayos X, cada uno leído por tres radiólogos", dijo el autor principal, Prashant Warier, director ejecutivo y cofundador de Qure.ai. "Este es un momento emocionante para las tecnologías de aprendizaje profundo en medicina. A medida que estos sistemas aumentan en exactitud, también lo hará la viabilidad de usar el aprendizaje profundo para ampliar el alcance de la interpretación de los exámenes de rayos X del tórax, mejorar la eficiencia de los informes y salvar vidas".

El aprendizaje profundo es parte de una familia más amplia de métodos de aprendizaje automático de IA basados en representaciones de datos, a diferencia de los algoritmos específicos de tareas. Implica algoritmos de redes neuronales que utilizan una cascada de muchas capas de unidades de procesamiento no lineales para la extracción y transformación de características, y cada capa sucesiva utiliza la salida de la capa anterior como entrada, formando una representación jerárquica.

Enlace relacionado:
Columbia Asia Hospitals
Qure.ai


New
Miembro Oro
X-Ray QA Meter
T3 AD Pro
New
Ultrasound Scanner
TBP-5533
New
40/80-Slice CT System
uCT 528
New
Opaque X-Ray Mobile Lead Barrier
2594M

Print article
Radcal

Canales

Radiografía

ver canal
Imagen: El prototipo del escáner TC elimina la necesidad de compresión física de la mama (foto cortesía de Quion Lowe y Lisa Dahm/U of A Cancer Center)

Nueva tecnología de detección de cáncer de mama podría ofrecer una alternativa superior a la mamografía

El cáncer de mama representa el 15,5 % de los nuevos casos de cáncer y el 7 % de las muertes relacionadas con el cáncer en los Estados Unidos. Aproximadamente el 13,1 % de las mujeres... Más

RM

ver canal
Imagen: La resonancia magnética puede evitar que los pacientes con cáncer rectal tengan que someterse a una cirugía al identificar a aquellos que pueden observar y esperar (foto cortesía de 123RF)

La resonancia magnética predice resultados del tratamiento y recurrencia del tumor en pacientes con cáncer rectal

El cáncer colorrectal está aumentando entre los adultos más jóvenes (menores de 50 años), mientras que ha ido disminuyendo en las poblaciones de mayor edad.... Más

Ultrasonido

ver canal
Imagen: CHEST ha publicado una nueva guía clínica sobre el procesamiento y la manipulación de muestras obtenidas mediante aspiración con aguja transbronquial guiada por ecografía endobronquial (foto cortesía del CHEST)

Nueva guía sobre el manejo de muestras de aguja transbronquial por ultrasonido endobronquial

La aspiración transbronquial con aguja guiada por ecografía endobronquial (EBUS-TBNA, por sus siglas en inglés) se ha convertido en el procedimiento estándar para el diagnóstico... Más

Medicina Nuclear

ver canal
Imagen: Exploraciones PET/TC  de un paciente con sospecha de insulinoma y una vista transversal del torso (foto cortesía de J. Nucl. Med.; doi.org/10.2967/jnumed.124.268158)

PET utilizando saliva de lagarto puede detectar de manera confiable tumores benignos en el páncreas

El páncreas contiene células llamadas células beta que producen insulina. La insulina es una hormona que ayuda al cuerpo a absorber azúcar del torrente sanguíneo y almacenarla... 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

Industria

ver canal
Imagen: La asociación se centrará en la integración del sistema de imágenes Siemens Multitom Rax en el ecosistema Medtronic AiBLE para cirugía de columna (Foto cortesía de Siemens Healthineers)

Siemens y Medtronic forman alianza global para avanzar en tecnologías de imagenología para el cuidado de la columna vertebral

Una nueva asociación mundial tiene como objetivo explorar oportunidades para ampliar aún más el acceso a tecnologías avanzadas de imágenes pre y posoperatorias para el... Más