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

Según un estudio, la mayoría de los radiólogos quieren adoptar herramientas de IA en la práctica clínica

Por el equipo editorial de MedImaging en español
Actualizado el 19 Aug 2022

La inteligencia artificial (IA) puede mejorar la detección del cáncer y la predicción del riesgo durante la mamografía, pero se desconocen las preferencias de los radiólogos con respecto a sus características e implementación. Ahora, un nuevo estudio sobre las preferencias de los radiólogos en relación con el uso de la IA como herramienta de apoyo para la detección del cáncer y la predicción del riesgo durante las mamografías, ha descubierto que hasta el 60 % de los radiólogos tienen la intención de adoptar herramientas de IA en la práctica clínica en un futuro próximo.

A través de entrevistas cualitativas con radiólogos, investigadores de la Universidad de Washington (Seattle, WA, EUA) y la Alianza para el Cuidado del Cáncer de Seattle (Seattle, WA, EUA), identificaron cinco atributos principales para la detección de cáncer de mama basada en IA y cuatro para la predicción del riesgo de cáncer de mama. El equipo desarrolló un experimento de elección discreta (DCE) basado en estos atributos e invitó a participar a 150 radiólogos de EUA. Cada encuestado hizo ocho elecciones para cada herramienta entre tres alternativas: dos herramientas hipotéticas basadas en IA versus detección sin IA. Los investigadores analizaron las preferencias de toda la muestra utilizando modelos logit de parámetros aleatorios e identificaron subgrupos con modelos de clases latentes. Los encuestados (N=66; tasa de respuesta del 44 %) procedían de seis entornos de práctica diversos en ocho estados.


Imagen: Los radiólogos preferirían el apoyo a la decisión basado en IA durante la interpretación de la mamografía de detección (Fotografía cortesía de Pexels)
Imagen: Los radiólogos preferirían el apoyo a la decisión basado en IA durante la interpretación de la mamografía de detección (Fotografía cortesía de Pexels)

Los investigadores encontraron que los radiólogos estaban más interesados en la IA para la detección del cáncer cuando la sensibilidad y la especificidad estaban equilibradas (94 % de sensibilidad con <25 % de los exámenes marcados) y el marcado de la IA aparecía al final del protocolo de suspensión después de que los radiólogos completaran su revisión independiente. Para la predicción del riesgo basada en la IA, los radiólogos prefirieron los modelos de IA que utilizan tanto imágenes de mamografía como datos clínicos. En general, entre el 46 y el 60 % tenía la intención de adoptar alguna de las herramientas de IA presentadas en el estudio; 26-33 % se acercaron a la IA con entusiasmo, pero se desanimaron si las características no se alineaban con sus preferencias. Con base en estos hallazgos, los investigadores concluyeron que, aunque la mayoría de los radiólogos desean utilizar el apoyo a la toma de decisiones basado en IA, la adopción a corto plazo se puede maximizar mediante la implementación de herramientas que satisfagan las preferencias de los usuarios disuadidos.

Enlaces relacionados:
Universidad de Washington  
Alianza para el Cuidado del Cáncer de Seattle


New
Prostate Cancer MRI Analysis Tool
DynaCAD Urology
New
HF Stationary X-Ray Machine
TR20G
Ultrasound Table
Women’s Ultrasound EA Table
Miembro Plata
X-Ray QA Meter
T3 AD Pro

Últimas Imaginología General noticias

TC de dosis ultra baja ayuda en el diagnóstico de neumonía en pacientes inmunocomprometidos

La IA reduce la carga de trabajo en la detección de cáncer de pulmón por TC en casi un 80 %.

Tecnología de vanguardia combina luz y sonido para monitorear ACV en tiempo real