IA puede predecir necesidad de TC en pacientes pediátricos después de una lesión cerebral traumática leve
Por el equipo editorial de MedImaging en español Actualizado el 12 Apr 2022 |
Solo el 10 % de las tomografías computarizadas revelan hallazgos positivos en lesiones cerebrales traumáticas leves, lo que genera preocupaciones sobre su uso excesivo en esta población. Se han desarrollado una serie de reglas clínicas para abordar este problema, pero aún sufren limitaciones en su especificidad. Los modelos de aprendizaje automático se han aplicado en estudios limitados para imitar las reglas clínicas; sin embargo, aún se necesitan mejoras adicionales en términos de sensibilidad y especificidad equilibradas. En un nuevo estudio, los investigadores descubrieron que las redes neuronales profundas se pueden usar para predecir la necesidad de una TC en lesiones cerebrales traumáticas leves pediátricas.
Para su estudio, los investigadores de la Universidad de Queensland (Brisbane, Australia) aplicaron un modelo de redes neuronales artificiales profundas (DANN) y un algoritmo de umbral de dureza de instancia para reproducir la regla clínica de la Red de Investigación Aplicada de Atención de Emergencias Pediátricas (PECARN) en una población pediátrica recopilada como parte del estudio PECARN entre 2004 y 2006. El modelo DANN se aplicó utilizando 14.983 pacientes menores de 18 años con puntajes de la escala de coma de Glasgow ≥ 14 que tenían informes de TC de la cabeza. Las características clínicas de las reglas PECARN, PECARN-A (grupo A, edad < 2 años) y PECARN-B (grupo B, edad ≤ 2 años), se utilizaron para evaluar directamente el modelo. La exactitud, la sensibilidad, la precisión y la especificidad promedio se calcularon comparando el resultado de predicción del modelo con el informado por los investigadores de PECARN. El umbral de dureza de la instancia y el modelo DANN se aplicaron para predecir la necesidad de TC en pacientes pediátricos utilizando una validación cruzada quíntuple.
Con base en los hallazgos, los investigadores concluyeron que un modelo DANN logró una sensibilidad comparable y una especificidad sobresaliente para replicar la regla clínica PECARN y predecir la necesidad de TC en pacientes pediátricos después de una lesión cerebral traumática leve en comparación con la regla clínica original derivada estadísticamente.
Enlaces relacionados:
Universidad de Queensland
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