Publican estudio sobre la utilización de aprendizaje profundo a Inteligencia Artificial para detectar aneurismas cerebrales

El estudio fue publicado en la revista científica Radiology, y tiene como propósito la creación de un algoritmo basado en aprendizaje profundo de alta sensibilidad que ayude en la detección de aneurismas cerebrales en imágenes obtenidas por tomografía computarizada.

La detección de aneurismas cerebrales podría mejorar gracias al aprendizaje profundo, que busca realizar interpretaciones más precisas. La investigación titulada “Aprendizaje profundo para detectar aneurismas cerebrales con angiografía por TC”, tuvo como propósito desarrollar un algoritmo basado en este tipo de Inteligencia Artificial de alta sensibilidad para mejorar la detección de aneurismas cerebrales en imágenes de angiografía por Tomografía Computarizada (TC).

Para realizar el estudio los investigadores consultaron dos bases de datos de hospitales para interpretar las imágenes de angiografía por TC, las imágenes recuperadas fueron tomadas de enero de 2015 a junio de 2019. Además de una base de datos de TC independientes que fueron realizados entre julio y diciembre de 2019. Finalmente lograron evaluar a un total de 1068 pacientes con edad media de 57 años, de las cuales 660 fueron mujeres.

Para el desarrollo del aprendizaje profundo, de las 1068 angiografías por TC, 534 (688 aneurismas), fueron considerados para el entrenamiento del algoritmo y las 543 (649 aneurismas) restantes fueron utilizados para la validación del mismo. El algoritmo desarrollado fue capaz de detectas aneurismas cerebrales en imágenes con una sensibilidad de 97,5% es decir 633 de 649. Y detectó ocho nuevos aneurismas que no habían sido encontrados en los informes previos.

“Con la ayuda del algoritmo, el rendimiento general de los radiólogos en la detección de aneurismas cerebrales se incrementó en 0,01 (de 0,60 a 0,61)”, mencionan los autores en el estudio. “Con la ayuda del algoritmo propuesto, el rendimiento general en términos de área bajo la curva de característica operativa del receptor de respuesta libre alternativa ponderada (wAFROC) de los radiólogos mejoró en 0,01 (p <0,05). Se encontró que esta mejora dependía del nivel de experiencia”, concluyeron los autores sobre el estudio.

Últimos tweets

Eventos más importantes en Salud Digital

diciembre

enero 2021

febrero
L
M
Mi
J
V
S
D
28
29
30
31
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
1
2
3
4
5
6
7
Eventos para enero

1

Sin Eventos
Eventos para enero

2

Sin Eventos
Eventos para enero

3

Sin Eventos
Eventos para enero

4

Sin Eventos
Eventos para enero

5

Sin Eventos
Eventos para enero

6

Sin Eventos
Eventos para enero

7

Sin Eventos
Eventos para enero

8

Sin Eventos
Eventos para enero

9

Sin Eventos
Eventos para enero

10

Sin Eventos
Eventos para enero

11

Eventos para enero

12

Eventos para enero

13

Eventos para enero

15

Sin Eventos
Eventos para enero

16

Sin Eventos
Eventos para enero

17

Sin Eventos
Eventos para enero

18

Sin Eventos
Eventos para enero

19

Sin Eventos
Eventos para enero

20

Sin Eventos
Eventos para enero

21

Sin Eventos
Eventos para enero

22

Sin Eventos
Eventos para enero

23

Sin Eventos
Eventos para enero

24

Sin Eventos
Eventos para enero

25

Sin Eventos
Eventos para enero

26

Sin Eventos
Eventos para enero

27

Sin Eventos
Eventos para enero

28

Sin Eventos
Eventos para enero

29

Sin Eventos
Eventos para enero

30

Sin Eventos
Eventos para enero

31

Sin Eventos

Comparte el contenido

Share on facebook
Share on twitter
Share on email
Share on whatsapp
Share on linkedin
Scroll Up

UNICEF

Comparte en:

Share on facebook
Share on twitter
Share on linkedin