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

Nueva tecnología simplifica y mejora análisis y visualización de datos de imágenes médicas

Por el equipo editorial de MedImaging en español
Actualizado el 15 Nov 2023

Cuando se trata de un accidente cerebrovascular, actuar con rapidez es crucial. Las tomografías computarizadas permiten a los médicos localizar rápidamente un coágulo de sangre dentro del cerebro para decidir el mejor curso de tratamiento. Estas imágenes son clave en la atención médica, no sólo para casos urgentes sino también en preparación para cirugías. Las resonancias magnéticas son fundamentales para que los cirujanos planifiquen meticulosamente los procedimientos con anticipación. Estas tecnologías comparten una cosa: producen una gran cantidad de datos que son integrales para la atención médica personalizada. La inteligencia artificial, especialmente el aprendizaje automático, está preparada para aprovechar estos datos para dar forma a diagnósticos y tratamientos futuros que se ajusten a las necesidades individuales de los pacientes. Aun así, esta tecnología conlleva su propio conjunto de desafíos e incertidumbres. Ahora, un equipo de investigadores está desarrollando un sistema que analiza y visualiza automáticamente datos médicos, incluidas sus incertidumbres.

Por ejemplo, las incertidumbres se hacen evidentes al evaluar el daño cerebral causado por un accidente cerebrovascular. Cuando la obstrucción de un vaso priva de oxígeno a regiones del cerebro, estas áreas dejan de funcionar adecuadamente. A menudo es más fácil identificar la parte central del daño, pero los bordes exteriores son más ambiguos, lo que a veces genera discrepancias entre los profesionales médicos sobre si estas áreas constituyen parte de la lesión. Para abordar estas ambigüedades se requiere una gran experiencia médica. Un equipo de investigadores de la Universidad Kaiserslautern-Landau (Kaiserslautern, Alemania) y la Universidad de Leipzig (Leipzig, Alemania) está desarrollando actualmente un sistema uniforme para procesar y evaluar datos de imágenes médicas, así como para visualizar sus incertidumbres.


Imagen: GUARDIAN debería facilitar el análisis de los datos de imágenes médicas en el futuro (Fotografía cortesía de RPTU/Maack, Gillmann)
Imagen: GUARDIAN debería facilitar el análisis de los datos de imágenes médicas en el futuro (Fotografía cortesía de RPTU/Maack, Gillmann)

El sistema, denominado GUARDIAN, está diseñado para ser fácil de usar en entornos clínicos. Los proveedores de atención médica pueden cargar sus redes neuronales entrenadas en el sistema e integrarlas con datos procesados existentes, como los de las exploraciones de un paciente con accidente cerebrovascular. Luego, el sistema analiza los datos de forma autónoma y presenta los hallazgos, simplificando el proceso sin requerir experiencia en TI. Al resaltar áreas de incertidumbre, GUARDIAN ayuda a los profesionales médicos a reexaminar los datos y colaborar en el plan de tratamiento más adecuado para cada paciente. El equipo detrás de GUARDIAN exhibirá su sistema en la feria de tecnología médica “Medica” en Düsseldorf, que tendrá lugar del 13 al 16 de noviembre, en el puesto de investigación de Renania-Palatinado.

Enlaces relacionados:
Universidad Kaiserslautern-Landau
Universidad de Leipzig


Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Ultrasound Color LCD
U156W
New
Color Doppler Ultrasound System
DCU50
Mobile Digital C-arm X-Ray System
HHMC-200D

Últimas Imaginología General noticias

Sistema PET de ultra alto rendimiento proporciona imágenes cerebrales nunca antes vistas

Herramienta de inteligencia artificial mejora la usabilidad de imágenes médicas

Nueva herramienta de IA detecta con precisión seis tipos diferentes de cáncer en escáneres PET/TC de cuerpo entero