Filter by input type
Select all
News
Pages
Events
Filter by category
Select all
AI ANALYTICS
Mobile Apps and Internet of Things
Advancement of science
big data
Connected communities
Coronavirus
Courses and training
DIAGNOSIS
Initial Editorial
Editorials
A world in the cloud
Events
Infographics
Artificial Intelligence and Science
IoT Apps
News
Digital platforms
Social networks
Review of scientific publications
Course Summary
Synopsis of essay
Overview of reference frames
Synopsis of recent publications
Use of Digital Platforms
Aprendizaje automático evalúa la grasa hepática en pacientes e identifica riesgo de padecer COVID-19 grave

Un equipo de investigadores de la Emory University y los Hospitales Universitarios (UH) de Cleveland publicaron un estudio que utiliza aprendizaje profundo para la evaluación de grasa hepática en pacientes y la posibilidad de desarrollar COVID-19 en su forma grave.

Investigadores de Emory University publicaron un estudio en eBioMedicine de The Lancet, donde muestran los resultados de un modelo de aprendizaje profundo llamado DeHFt, para medir de manera automatizada la grasa hepática a través de tomografías computarizadas estándar. Los pacientes con enfermedades del hígado graso no relacionado con el consumo de alcohol, suele ser un factor importante para el desarrollo de COVID-19 grave.

En este sentido, el estudio mostró como DeHFt utilizó tomografías de calcio de las arterias coronarias, las cuales son utilizadas regularmente para medir la placa que contiene calcio en las arterias de un paciente. No obstante, también pueden ser utilizadas para evaluar la grasa hepática, en este caso DeHFt realiza este análisis de manera rápida y precisa, eliminando así la variabilidad entre las lecturas realizadas por radiólogos.

“Sabemos que la esteatosis hepática es un factor de riesgo para el COVID-19. Ahora podemos usar esta tubería para identificar pacientes de alto riesgo y, en base a eso, los médicos pueden tomar decisiones mejor informadas sobre los niveles de atención y el uso temprano de terapias, como los antivirales”, dice Gourav Modanwal, primer autor del estudio e investigador. en el Departamento de Ingeniería Biomédica de la universidad.

El rol del aprendizaje automático en esta investigación en primer lugar es la segmentación del hígado y el bazo mediante la tomografía de calcio. La atenuación de la tomografía se logra utilizando cortes de hígado y bazo en 3D. Posteriormente, las intensidades hepáticas más bajas reflejan mayor infiltración de grasa.

“Este es un hallazgo muy emocionante y relevante desde el punto de vista de la traducción. Nuestro estudio sugiere que el aprendizaje automático basado en tomografías computarizadas de rutina puede ayudar en la cuantificación precisa de la grasa hepática, lo que tiene implicaciones que se extienden más allá de la evaluación de la gravedad de COVID-19”, dice Anant Madabhushi, autor principal del estudio y profesor en la facultad de medicina de Emory.

“Podemos aplicar la canalización a millones de casos en lugar de depender de un examen manual de escaneos que requiere mucho tiempo”, concluye Modnawal.

Outstanding news

News by country

Related Content

Secured By miniOrange