Software de imagenología detecta la hemorragia intracraneal
Por el equipo editorial de MedImaging en español Actualizado el 06 Mar 2018 |
Imagen: Identificación de una HIC identificado en una TC como una ayuda para la evaluación del accidente cerebrovascular (Fotografía cortesía de MedyMatch).
Un novedoso dispositivo médico basado en software analiza automáticamente las tomografías computarizadas (TC) sin contraste para identificar la hemorragia intracraneal (HIC).
El software MedyMatch Technology (Tel Aviv, Israel) es una herramienta de imagenología para apoyar las decisiones, basada en tecnología de inteligencia artificial (IA), diseñada para ayudar a los médicos a evaluar rápidamente a los pacientes con sospecha de traumatismo craneoencefálico o accidente cerebrovascular, con el fin de descartar la presencia de una hemorragia en el cerebro. El software toma las TC sin contraste y las procesa en la nube, utilizando algoritmos patentados para observar cambios y resaltar áreas para que los médicos puedan ver inmediatamente las posibles áreas de sangrado. Las imágenes mejoradas se envían de vuelta a la estación de trabajo del médico, junto con la original. En
Los algoritmos se desarrollaron utilizando el aprendizaje profundo, en el que a una computadora se le alimenta una serie de imágenes de ejemplo para establecer puntos de referencia para lo que se considera una lectura de referencia. MedyMatch ha asegurado miles de millones de imágenes de millones de casos a través de colaboraciones con hospitales como el Centro Médico Hadassah (Jerusalén, Israel) y el Hospital General de Massachusetts (Boston, MA, EUA). El análisis de una serie completa de imágenes permite que el software aprenda cómo se ve una hemorragia. Se espera que el proceso permita a los médicos obtener una opinión experta en un plazo de tres a cinco minutos.
“A pesar de los avances en las imágenes médicas, la tasa de errores de diagnóstico médico que es de alrededor del 30 por ciento no ha cambiado en décadas. Existe una necesidad en el mercado de proporcionar a los radiólogos y médicos un segundo par de ojos para ayudarlos a superar cualquier limitación que les impida proporcionar un diagnóstico correcto de los pacientes”, dijo el Dr. Gabriel Polliack, miembro del consejo asesor médico de MedyMatch. “La idea es genial, y no solo tiene un valor clínico significativo, lo que significa una mejora en los resultados del paciente, sino que tendrá un impacto directo en el costo de la atención”.
“La TC sin contraste sigue siendo la modalidad de imagenología primaria para la evaluación inicial de los pacientes con sospecha de accidente cerebrovascular para la lesión cerebral traumática”, dijo Gene Saragnese, presidente y director ejecutivo de MedyMatch. “MedyMatch lanza al mercado una nueva categoría de soluciones médicas que aprovecha el aprendizaje profundo, la visión artificial y toda la riqueza de las imágenes tridimensionales y otros datos relevantes de los pacientes”.
El aprendizaje profundo es parte de una familia de métodos de aprendizaje automático basados en representaciones de datos de aprendizaje, en oposición a los algoritmos específicos de tareas. Incluye algoritmos de red neuronal artificial (ANN) que utilizan una cascada de muchas capas de unidades de procesamiento no lineales para la extracción y transformación de características, con cada capa sucesiva utilizando el resultado de la capa anterior como entrada para formar una representación jerárquica.
El software MedyMatch Technology (Tel Aviv, Israel) es una herramienta de imagenología para apoyar las decisiones, basada en tecnología de inteligencia artificial (IA), diseñada para ayudar a los médicos a evaluar rápidamente a los pacientes con sospecha de traumatismo craneoencefálico o accidente cerebrovascular, con el fin de descartar la presencia de una hemorragia en el cerebro. El software toma las TC sin contraste y las procesa en la nube, utilizando algoritmos patentados para observar cambios y resaltar áreas para que los médicos puedan ver inmediatamente las posibles áreas de sangrado. Las imágenes mejoradas se envían de vuelta a la estación de trabajo del médico, junto con la original. En
Los algoritmos se desarrollaron utilizando el aprendizaje profundo, en el que a una computadora se le alimenta una serie de imágenes de ejemplo para establecer puntos de referencia para lo que se considera una lectura de referencia. MedyMatch ha asegurado miles de millones de imágenes de millones de casos a través de colaboraciones con hospitales como el Centro Médico Hadassah (Jerusalén, Israel) y el Hospital General de Massachusetts (Boston, MA, EUA). El análisis de una serie completa de imágenes permite que el software aprenda cómo se ve una hemorragia. Se espera que el proceso permita a los médicos obtener una opinión experta en un plazo de tres a cinco minutos.
“A pesar de los avances en las imágenes médicas, la tasa de errores de diagnóstico médico que es de alrededor del 30 por ciento no ha cambiado en décadas. Existe una necesidad en el mercado de proporcionar a los radiólogos y médicos un segundo par de ojos para ayudarlos a superar cualquier limitación que les impida proporcionar un diagnóstico correcto de los pacientes”, dijo el Dr. Gabriel Polliack, miembro del consejo asesor médico de MedyMatch. “La idea es genial, y no solo tiene un valor clínico significativo, lo que significa una mejora en los resultados del paciente, sino que tendrá un impacto directo en el costo de la atención”.
“La TC sin contraste sigue siendo la modalidad de imagenología primaria para la evaluación inicial de los pacientes con sospecha de accidente cerebrovascular para la lesión cerebral traumática”, dijo Gene Saragnese, presidente y director ejecutivo de MedyMatch. “MedyMatch lanza al mercado una nueva categoría de soluciones médicas que aprovecha el aprendizaje profundo, la visión artificial y toda la riqueza de las imágenes tridimensionales y otros datos relevantes de los pacientes”.
El aprendizaje profundo es parte de una familia de métodos de aprendizaje automático basados en representaciones de datos de aprendizaje, en oposición a los algoritmos específicos de tareas. Incluye algoritmos de red neuronal artificial (ANN) que utilizan una cascada de muchas capas de unidades de procesamiento no lineales para la extracción y transformación de características, con cada capa sucesiva utilizando el resultado de la capa anterior como entrada para formar una representación jerárquica.
Últimas Imaginología General noticias
- Tecnología de imágenes proporciona nuevo enfoque innovador para diagnosticar y tratar cáncer de intestino
- Puntuación de calcio coronario por TC predice ataques cardíacos y accidentes cerebrovasculares
- Modelo de IA detecta 90 % de casos de cáncer linfático a partir de imágenes de PET y TC
- El algoritmo de aprendizaje profundo basado en TC diferencia con precisión las fracturas vertebrales benignas de las malignas
- Tecnología innovadora revoluciona imágenes mamarias
- Sistema de última generación mejora la precisión de procedimientos intervencionistas y diagnóstico guiados por imágenes
- Dispositivo basado en catéter con nuevo enfoque de imágenes cardiovasculares ofrece visión sin precedentes de placas peligrosas
- Modelo de IA dibuja mapas para identificar con precisión tumores y enfermedades en imágenes médicas
- Sistema de TC habilitado por IA proporciona resultados de imágenes más precisos y confiables
- Exámenes de TC tórax de rutina pueden identificar pacientes con riesgo de enfermedad cardiovascular
- Software de planificación quirúrgica preoperatoria de RA hace que la cirugía sea más segura y eficiente
- Biopsia virtual impulsada por IA ayuda a evaluar cáncer de pulmón a partir de exploraciones médicas
- Nuevos materiales imprimibles en 3D para cirugía reconstructiva se pueden monitorear mediante rayos X o TC
- TC con conteo de fotones mejora evaluación de enfermedad arterial coronaria
- Nuevo radiotrazador ilumina exploración PET para detección más temprana de enfermedades
- Sistema de IA combina imágenes por TC con datos clínicos y genéticos para detección temprana del cáncer de pulmón