Análisis mediante IA de las TC del tórax permite diferenciar la COVID-19 de la neumonía
Por el equipo editorial de MedImaging en español Actualizado el 31 Mar 2020 |
Imagen: Mapas de calor de las regiones de activación de COVID-19 (Fotografía cortesía del Hospital del Pueblo Wuhan Huangpi)
Según un estudio nuevo, un modelo de aprendizaje profundo de inteligencia artificial (IA) puede detectar con exactitud la COVID-19 y diferenciarla de la neumonía adquirida en la comunidad (NAC) y otras enfermedades pulmonares.
Investigadores del Hospital Popular Wuhan Huangpi (China), el Centro de Ciencias de la Salud de la Universidad de Shenzhen (Shenzhen, China) y otras instituciones, realizaron un estudio retrospectivo multicéntrico para desarrollar la red neuronal de detección de COVID-19 (COVNet), un marco de IA completamente automático que extrae características visuales de los exámenes volumétricos de TC de tórax para la detección de la COVID-19, y los diferencia de la NAC y otros hallazgos pulmonares. Se recopilaron conjuntos de datos de seis hospitales y se evaluó el desempeño diagnóstico.
En total, el conjunto de datos recopilados consistió en 4.356 exámenes volumétricos de TC de tórax de 3.322 pacientes (edad promedio 49 años, 55% hombres). La sensibilidad y especificidad general por examen para detectar COVID-19 en el conjunto de pruebas independientes fue del 90% y 96%, respectivamente. Los investigadores también mostraron que la sensibilidad y especificidad por examen para detectar la NAC fue del 87% y 92%, respectivamente. El estudio fue publicado el 19 de marzo de 2020 en la revista Radiology.
“Pudimos recolectar una gran cantidad de exámenes de tomografía computarizada de múltiples hospitales, que incluyeron 1.296 exámenes de tomografía computarizada de pacientes con COVID-19”, concluyó el autor principal, Lin Li, MD, del departamento de radiología del Hospital del Pueblo de Wuhan Huangpi. “Más importante aún, también se recolectaron exámenes de TC de 1.735 pacientes con NAC y de 1.325 pacientes sin neumonía como los grupos de control en este estudio con el fin de garantizar la robustez de la detección, teniendo en cuenta que se pueden observar ciertas características de imágenes similares en la COVID-19 y otros tipos de enfermedades pulmonares”.
El brote de la enfermedad por coronavirus 2019 (COVID-19) se ha extendido rápidamente por todo el mundo. El 30 de enero de 2020, la Organización Mundial de la Salud (OMS) la declaró una emergencia de salud pública de interés internacional. Por lo general, se confirma mediante la reacción en cadena de la polimerasa de transcripción inversa (PCR), pero la TC puede detectar ciertas manifestaciones características en el pulmón asociadas con COVID-19, como vidrio esmerilado bilateral, opacidades pulmonares consolidadas en la TC y un patrón de pavimentación loco, entre otros.
Enlace relacionado:
Centro de Ciencias de la Salud de la Universidad de Shenzhen
Investigadores del Hospital Popular Wuhan Huangpi (China), el Centro de Ciencias de la Salud de la Universidad de Shenzhen (Shenzhen, China) y otras instituciones, realizaron un estudio retrospectivo multicéntrico para desarrollar la red neuronal de detección de COVID-19 (COVNet), un marco de IA completamente automático que extrae características visuales de los exámenes volumétricos de TC de tórax para la detección de la COVID-19, y los diferencia de la NAC y otros hallazgos pulmonares. Se recopilaron conjuntos de datos de seis hospitales y se evaluó el desempeño diagnóstico.
En total, el conjunto de datos recopilados consistió en 4.356 exámenes volumétricos de TC de tórax de 3.322 pacientes (edad promedio 49 años, 55% hombres). La sensibilidad y especificidad general por examen para detectar COVID-19 en el conjunto de pruebas independientes fue del 90% y 96%, respectivamente. Los investigadores también mostraron que la sensibilidad y especificidad por examen para detectar la NAC fue del 87% y 92%, respectivamente. El estudio fue publicado el 19 de marzo de 2020 en la revista Radiology.
“Pudimos recolectar una gran cantidad de exámenes de tomografía computarizada de múltiples hospitales, que incluyeron 1.296 exámenes de tomografía computarizada de pacientes con COVID-19”, concluyó el autor principal, Lin Li, MD, del departamento de radiología del Hospital del Pueblo de Wuhan Huangpi. “Más importante aún, también se recolectaron exámenes de TC de 1.735 pacientes con NAC y de 1.325 pacientes sin neumonía como los grupos de control en este estudio con el fin de garantizar la robustez de la detección, teniendo en cuenta que se pueden observar ciertas características de imágenes similares en la COVID-19 y otros tipos de enfermedades pulmonares”.
El brote de la enfermedad por coronavirus 2019 (COVID-19) se ha extendido rápidamente por todo el mundo. El 30 de enero de 2020, la Organización Mundial de la Salud (OMS) la declaró una emergencia de salud pública de interés internacional. Por lo general, se confirma mediante la reacción en cadena de la polimerasa de transcripción inversa (PCR), pero la TC puede detectar ciertas manifestaciones características en el pulmón asociadas con COVID-19, como vidrio esmerilado bilateral, opacidades pulmonares consolidadas en la TC y un patrón de pavimentación loco, entre otros.
Enlace relacionado:
Centro de Ciencias de la Salud de la Universidad de Shenzhen
Últimas Imaginología General noticias
- Nuevo análisis de sangre podría reducir la necesidad de imágenes PET en pacientes con Alzheimer
- Procedimiento mínimamente invasivo podría ayudar a pacientes a evitar la cirugía de tiroides
- Arco en C móvil autónomo reduce tiempo de obtención de imágenes durante la cirugía
- Aplicación RA convierte escaneos médicos en hologramas para ayudar en planificación quirúrgica
- 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