Lecturas de escáner cerebral por IA son el doble de precisas que el método actual para detectar ictus

Un accidente cerebrovascular ocurre cuando el flujo sanguíneo a una parte del cerebro se interrumpe o se reduce, privando al tejido cerebral de oxígeno y nutrientes. Esto provoca una rápida muerte de las células cerebrales. A medida que pasa el tiempo, algunos tratamientos pueden volverse menos efectivos o incluso empeorar la situación. Conocer el momento exacto en que ocurrió un accidente cerebrovascular es fundamental porque los tratamientos estándar son más efectivos en las etapas iniciales después de un accidente cerebrovascular y pueden causar más daños si se aplican más tarde. Sin embargo, determinar el momento de inicio puede ser un desafío. Algunos accidentes cerebrovasculares pueden comenzar mientras un paciente está dormido y los síntomas del accidente cerebrovascular pueden dificultar la comunicación.

Cuando un paciente llega al hospital con sospecha de accidente cerebrovascular, generalmente se le realiza una tomografía computarizada, que los médicos revisan para evaluar el alcance del daño cerebral. Las áreas más oscuras en la exploración indican que el accidente cerebrovascular ha progresado, lo que ayuda a los médicos a estimar el momento de inicio y si el tratamiento aún es viable. Sin embargo, predecir el momento de inicio del accidente cerebrovascular con precisión es difícil porque cada cerebro es diferente. Incluso si se conoce un momento de inicio aproximado, factores como el flujo sanguíneo o la estructura de los vasos pueden hacer que el accidente cerebrovascular progrese a diferentes ritmos.

Investigadores del Imperial College de Londres (Londres, Reino Unido) han desarrollado un software de inteligencia artificial (IA) que analiza las imágenes cerebrales de pacientes con ictus para determinar con mayor precisión cuándo ocurrió el evento y ayudar a los médicos a evaluar su tratabilidad.Esta tecnología tiene como objetivo mejorar la rapidez y precisión de los tratamientos de emergencia en los hospitales. El software de IA aborda dos desafíos importantes en la atención de los ictus: determinar el momento de aparición del ictus y evaluar si el daño puede ser revertido Se ha demostrado que el software es dos veces más preciso que el método actual, que se basa en la evaluación visual de las tomografías computarizadas por parte de un profesional médico observando la oscuridad de las áreas afectadas en el cerebro.

El algoritmo de IA se entrenó utilizando un conjunto de datos de 800 exploraciones cerebrales con un tiempo de inicio del accidente cerebrovascular conocido. No solo extrae el área relevante del escaneo, sino que también analiza las lesiones para proporcionar una estimación del momento en que ocurrió el evento. Cuando se probó en casi 2000 pacientes diferentes, se descubrió que el software era dos veces más preciso que el método visual estándar. Los investigadores atribuyen esto a la capacidad de la IA para considerar características adicionales de las exploraciones, como la textura, y para tener en cuenta las variaciones dentro de la lesión y el tejido circundante. El estudio, publicado en NPJ Digital Medicine, concluyó que el sistema de IA no solo es eficaz para estimar el momento de inicio del accidente cerebrovascular, sino también para determinar la edad biológica de las lesiones, lo que indica si el daño podría ser reversible.

“Tener esta información a mano ayudará a los médicos a tomar decisiones de emergencia sobre qué tratamientos deben aplicarse en pacientes con accidente cerebrovascular”, afirmó el Dr. Paul Bentley del Departamento de Ciencias del Cerebro del Imperial College, quien dirigió el estudio de investigación. “Nuestro software no solo es dos veces más preciso en la lectura del tiempo que las mejores prácticas actuales, ino que también puede automatizarse completamente una vez que el accidente cerebrovascular se hace visible en un escaneo.”.

Visitar la expo >

New

Ultrasound Table

Women’s Ultrasound EA Table

MRI System

Ingenia Prodiva 1.5T CS

Wall Fixtures

MRI SERIES

LED-Based X-Ray Viewer

Dixion X-View