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

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 13 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.


Imagen: Las redes neuronales profundas pueden predecir la necesidad de TC en lesiones cerebrales traumáticas leves pediátricas (Fotografía cortesía de Unsplash)
Imagen: Las redes neuronales profundas pueden predecir la necesidad de TC en lesiones cerebrales traumáticas leves pediátricas (Fotografía cortesía de Unsplash)

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  


New
Miembro Oro
X-Ray QA Meter
T3 AD Pro
Wall Fixtures
MRI SERIES
New
Portable Color Doppler Ultrasound System
S5000
New
Ultrasound Imaging System
P12 Elite

Últimas Imaginología General noticias

Nuevo escáner identifica daños cerebrales en pacientes con ictus en campos magnéticos más bajos

Herramienta de IA ofrece cribado oportunista para enfermedades cardíacas utilizando tomografías computarizadas reutilizadas

Las tomografías pulmonares detectan enfermedades cardíacas en pacientes sin síntomas cardíacos