Un nuevo estudio llevado a cabo por investigadores de Reino Unido, muestra un modelo de visión por computadora capaz de mejorar la calidad de imágenes por resonancia magnética.
Científicos británicos, publicaron el estudio “Modelos de aprendizaje profundo para clasificar los exámenes de resonancia magnética de cabeza”. El estudio explica que la problemática de los retrasos en informes radiológicos puede derivar en peores resultados para los pacientes y altos costos de atención médica. Por ello desarrollaron un modelo de aprendizaje profundo para la detección de anomalías clínicamente relevantes en exploraciones de resonancia magnética de cabeza.
Estos modelos fueron entrenados a través de un clasificador de informes de neurorradiología, y generaron un conjunto de datos de casi 70 mil exámenes de dos redes de hospitales de Reino Unido. El modelo demostró una clasificación rápida precisa e interpretable.
El modelo fue puesto a prueba a través de un estudio de simulación, en el que mostró que el modelo reduciría considerablemente el tiempo de notificación de exámenes en ambas redes de hospitales, demostrando viabilidad para su uso clínico.
“Demostramos una clasificación precisa, interpretable, robusta y generalizable en un conjunto de escaneos reservados etiquetados por un equipo de neuro radiólogos, y hemos demostrado que el modelo reduciría el tiempo para informar exámenes anormales en ambas redes hospitalarias, lo que demuestra la viabilidad como triaje automatizado. Herramienta”, concluyen los autores en el estudio.
Puedes consultar el estudio completo en este enlace: https://www.sciencedirect.com/science/article/pii/S1361841522000433?via%3Dihub
