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

Search Results for: care studio – Page 7

big data

Deep learning and its applications in healthcare

El aprendizaje profundo cuenta con una gran variedad de aplicaciones, como la investigación clínica, la mejora de toma de decisiones por parte de especialistas, análisis de datos, entre otros. El aprendizaje profundo o deep learning es una categoría del aprendizaje automático, que a su vez está relacionado con la Inteligencia Artificial. El aprendizaje profundo consiste en una red neuronal que simula el comportamiento del cerebro humano, sin embargo, es capaz de aprender y ser entrenado a través de grandes cantidades de datos. Normalmente la red neuronal está formada por tres o más capas, no obstante, aún con una sola capa el aprendizaje profundo puede realizar predicciones. En este sentido al igual que la IA, el aprendizaje profundo es utilizado para la automatización de tareas sin la intervención humana de manera física. A diferencia del aprendizaje automático, que aprovechan datos estructurados para realizar predicciones, el aprendizaje profundo puede profesar datos no estructurados como texto e imágenes. Las capacidades del deep learning, lo convierten en una herramienta con gran potencial en la investigación y en la atención médica. Al igual que en otros sectores, su aplicación en salud ofrece diversas alternativas para escenarios específicos. Por ejemplo, las redes neuronales profundas que son utilizadas para predecir cuándo los pacientes no acudirán a sus citas médicas. Esto es posible gracias a la información obtenida de expedientes clínicos electrónicos. De esta forma, se pueden determinar estrategias para evitar que los pacientes falten a sus citas previamente acordadas. Por otra parte, están las redes neuronales convolucionales, que son utilizadas para la comprensión de datos visuales, por ejemplo, de imágenes médicas. Este tipo de aprendizaje profundo, es capaz de clasificar imágenes en categoría dependiendo de las características que tengan. De esta forma, es capaz de mejorar la toma de decisiones y apoyar a los profesionales en el análisis de imágenes médicas. Por ejemplo, hay estudios que han utilizado redes neuronales convolucionales, para detectar diversas enfermedades de la retina analizando solamente un estudio de fondo de ojo en los pacientes. Asimismo, existen otros tipos de redes de aprendizaje profundo que apoyan en las tareas de procesamiento del lenguaje natural, estas son las redes neuronales recurrentes. Estas son útiles para tareas de investigación como la selección de participantes para ensayos clínicos. De esta forma, analizando la información disponible en texto, audios de entrevistas, historias clínicas, en grupos de pacientes y pueden identificar características para la selección de cohortes. De igual forma, se encuentran las redes generativas antagónicas, que utilizan información para generar datos sintéticos que puedan facilitar la investigación y el entrenamiento de modelos de aprendizaje profundo. Por ejemplo, es posible la generación de imágenes sintéticas de resonancias magnéticas, para el desarrollo de análisis predictivos. De esta forma los investigadores pueden crear grandes conjuntos de datos, sin necesidad de obtener imágenes médicas reales de miles de pacientes. BIBLIOGRAFÍA HEALTHCARE IT ANALYTICS https://healthitanalytics.com/features/types-of-deep-learning-their-uses-in-healthcare IBM https://www.ibm.com/cloud/learn/deep-learning

Leer completo »
Mobile Apps and Internet of Things

Mayo Clinic developed algorithm for detecting heart problems through wearables

Investigadores de Mayo Clinic desarrollaron un algoritmo de Inteligencia Artificial que envía señales a un wearable para identificar latidos débiles del corazón. Mayo Clinic, desarrolló un algoritmo que utiliza las señales de electrocardiograma de un Apple Watch, para identificar bombeo cardiaco débil o bradicardia. Este avance busca específicamente identificar una fracción de eyección ventricular baja, que es un signo de enfermedades cardiacas, como miocardiopatía. Este desarrollo podría ser un avance importante en la implementación de recursos más accesibles para la identificación de patrones de enfermedades cardiacas.  De esta forma, se podría facilitar la realización de ECG tradicionales que requieren que los 12 electrodos se coloquen en el pecho, brazos y piernas. Para probar el algoritmo los pacientes se inscribieron a través de correo electrónico para participar en un estudio prospectivo descentralizado. Gracias a la alta participación la herramienta a desarrollar fue escalable para la detección y monitoreo de pacientes cardiacos. Recientemente se presentó el resumen del estudio durante una conferencia de Heart Rhythm Society. “Lo que es importante es que una vez que sabemos que hay un latido cardiaco débil, existen muchos tratamientos disponibles para salvar vidas y prevenir los síntomas. Es absolutamente notable que la IA transforme la señal de ECG de un reloj de consumo en un detector de esta afección, que normalmente requeriría una prueba de imagen costosa y sofisticada, como un ecocardiograma, una tomografía computarizada o una resonancia magnética”, explicó Paul Friedman, presidente del Departamento de Medicina Cardiovascular de Mayo Clinic en Rochester. Las investigaciones mostraron que el ECG de 12 derivaciones y el algoritmo de IA pueden identificar los latidos cardiacos débiles, y que esta información es importante para la detección de enfermedades. Además, para conectar el algoritmo de IA y el wearable, investigadores del Centro de Salud Digital de Mayo Clinic, desarrollaron una app móvil exclusiva para los más de 2 mil 400 participantes.  “La aplicación envió de manera segura todos los ECG de vigilancia anteriores y otros adicionales a medida que los registraron los pacientes a una plataforma de datos segura de Mayo”, explicó Mayo Clinic en su comunicado de prensa. “Los diagnósticos avanzados que alguna vez requerían viajar a una clínica se pueden realizar con precisión, como lo demuestra este estudio de ECG de Apple Watch, desde la muñeca de un paciente, ya sea que viva en Brasil o Baton Rouge. El acceso basado en aplicaciones a un centro médico puede ayudar a abordar las disparidades de salud al hacer que más personas puedan acceder a diagnósticos de alto nivel en tiempo real”, explicó Bradley Leibovich, director médico del Centro de Salud Digital de Mayo Clinic. De esta forma, mediante el uso de IA y un dispositivo móvil apoyado de una app, fue posible obtener información médica relevante para la prevención o detección de enfermedades de forma sencilla. BIBLIOGRAFÍA MAYO CLINIC https://newsnetwork.mayoclinic.org/discussion/mayo-researchers-use-ai-to-detect-weak-heart-pump-via-patients-apple-watch-ecgs/ HEALTH IT ANALYTICS https://healthitanalytics.com/news/mayo-clinic-developed-ai-algorithm-can-detect-weak-heart-function AURORA HEALTHCARE https://es.aurorahealthcare.org/services/heart-vascular/conditions/low-ejection-fraction

Leer completo »
big data

Solution based on Artificial Intelligence would improve the diagnosis of breast cancer

El sistema de hospitales Hartford HealthCare, realizará un estudio para evaluar el uso de una herramienta basada en Inteligencia Artificial (IA), que facilita el trabajo a profesionales en la detección del cáncer de mama. Hartford HealthCare, es un sistema de atención médica integral que cuenta con más de 400 centros de salud en Estados Unidos, con atención diaria a 17 mil pacientes aproximadamente.  En conjunto con Ibex Medical Analytics, compañía especializada en el diagnóstico de cáncer a través de tecnologías de IA, han anunciado un estudio clínico sobre su solución de IA para el diagnóstico de cáncer de mama. El sistema de Ibex, busca ayudar a médicos a mejorar el diagnóstico de esta enfermedad a través de un algoritmo. Galen Breast como se llama el sistema, fue desarrollado por ingenieros de software, patólogos y científicos de datos, quienes implementaron tecnología avanzada como algoritmos y aprendizaje profundo. El rendimiento del sistema será evaluado por Hartford HealthCare a través de un estudio retrospectivo para probar su uso clínico en el sistema hospitalario. “La solución promete tener un gran impacto en la atención brindada a los pacientes con cáncer de mama”, explicó el Dr. Barry Stein, vicepresidente del sistema y director de innovación clínica de Hartford HealthCare. Además, resaltó la necesidad del compromiso para buscar nuevos enfoques innovadores para la atención de las pacientes. La Dra. Srini Mandavilli, jefa de patología y medicina de laboratorio en el Hospital Hartford, explicó que la tecnología de Galen Breast, permite respaldar las evaluaciones microscopios tradicionales de los diagnósticos de cáncer realizados por patólogos. Dee esta forma, se complementa por el trabajo realizado por estos especialistas. Además, en el sistema de Hartford, han digitalizado el departamento de patología, por ejemplo, a través del uso de escáneres de portaobjetos, que pueden ser evaluado por tecnología de IA. Por su parte, la Dra. Margaret Assad, directora del programa de becas de patología selectiva en el Hospital de Hartford, explicó que, “Este asistente de IA proporciona una mayor red de seguridad con un mínimo esfuerzo adicional”. BIBLIOGRAFÍA HARTFORD HEALTHCARE https://hartfordhealthcare.org/services/cancer-care/about-us/news/news-detail?articleId=39616

Leer completo »
Artificial Intelligence and Science

Yale University researchers developed AI model for diagnosing heart disease

El modelo de Inteligencia Artificial (IA), utiliza imágenes de electrocardiogramas para diagnosticar diferentes enfermedades cardiacas. Investigadores del Yale Cardiovascular Data Science (CarDS) Lab, de la escuela de Medicina de Yale, lograron desarrollaron un modelo basado en IA, que ayuda a mejorar el diagnóstico de arritmia cardíaca a través del análisis de imágenes de electrocardiogramas (ECG). El equipo liderado por el especialista Rohan Khera, profesor asistente de medicina cardiovascular, explicó que la mayoría de las herramientas basadas en IA están diseñadas para desordenes clínicos individuales, por lo que tienen una utilidad limitada. En este caso, la solución diseñada por CarDS Lab, tiene como objetivo mejorar la interpretación de ECG incluso de manera remota. Los resultados de la investigación fueron publicados en Nature:  https://www.nature.com/articles/s41467-022-29153-3. La investigación detalla que es posible mejorar la atención y diagnóstico basado en ECG en entornos remotos, por ello desarrollaron un modelo de diagnóstico automatizado multimarca para imágenes electrocardiográficas, más adecuado para un uso más amplio”. El estudio muestra que, a través de 2,228,236 señales de ECG de 12 derivaciones en 811 municipios de Brasil se transforman en imágenes de ECG en diferentes conformaciones de derivaciones para entrenar una red neuronal convolucional (CNN). Los datos corresponden a pacientes en Brasil que fueron atendidos entre 2010 y 2017. De los cuales uno de cada seis pacientes fue diagnosticado con alteraciones del ritmo cardiaco. “Las herramientas de IA actuales se basan en señales electrocardiográficas sin procesar en lugar de imágenes almacenadas, que son mucho más comunes ya que los ECG a menudo se imprimen y escanean como imágenes. Además, muchas herramientas de diagnóstico basadas en IA están diseñadas para trastornos clínicos individuales y, por lo tanto, pueden tener una utilidad limitada en un entorno clínico donde coexisten múltiples anomalías en el ECG”, explicó Khera. Otro punto que destacó Khera, fue que se trata de un modelo inteligente que no depende de diseños específicos de ECG, ya que tiene la capacidad de adaptarse a nuevos diseños. De esta forma puede mejorar y apoyar el trabajo de lectores humanos expertos. De esta forma el modelo tiene el potencial de expandir la aplicación de la IA en la atención clínica, específicamente en técnicas basadas en ECG, según explicó Veer Sangha, autor principal del estudio. BIBLIOGRAFÍA YALE https://medicine.yale.edu/news-article/picture-perfect-can-an-image-based-electrocardiographic-algorithm-improve-access-to-care-in-remote-settings/ NATURE https://www.nature.com/articles/s41467-022-29153-3 HEALTH IT ANALYSIS https://healthitanalytics.com/news/yale-researchers-develop-ai-model-for-heart-condition-diagnosis

Leer completo »
big data

HIMSS published its 2022 report on the state of digitization in health systems

El reporte de 12 páginas realiza un recorrido por los avances de la transformación digital, la atención personalizada y el rol actual de médicos y pacientes. Healthcare Information and Management Systems Society, (HIMSS), es una organización sin fines de lucro especializada en la promoción y mejoramiento de la calidad y seguridad de la atención médica a través de sistemas de información.  En este sentido, HIMSS es una de las organizaciones más importantes en relación con la transformación digital y procesos de digitalización en sistemas de salud. En su reporte 2022, del estado actual de la atención médica destacan la aceleración de estos procesos debido a la pandemia y a la adopción de nuevas tecnologías y modelos de atención. El estudio fue realizado entre noviembre y diciembre de 2021 e incluyó la participación de 359 médicos, mil 600 pacientes, 273 líderes de sistemas de salud y 2145 organizaciones de participantes de Estados Unidos, Reino Unido, Alemania, Australia y Nueva Zelanda. Uno de los primeros datos que arroja el reporte es que el 84% de los médicos dicen que sus organizaciones o instituciones les exigen usar herramientas de salud digital. Por lo que la transformación digital es un tema que se encuentra en la agenda de la gran parte de las instituciones prestadoras de servicios y sus niveles ejecutivos. En cuanto a la atención personalizada, el 73% de las organizaciones de Estados Unidos, se encuentran en una etapa inicial para la implementación de este tipo de atención. Sin embargo, el 36% de las organizaciones internacionales ya se encuentran implementando estas estrategias. Por otra parte, el reporte muestra el rol fundamental que han tomado los médicos en la digitalización y qué es lo que esperan de ello. Por ejemplo, el 55% de los médicos en Estados Unidos, una transformación digital exitosa es cuando se ajusta a las necesidades de los empleados, es decir sus habilidades digitales, flujo de trabajo, carga de trabajo, entre otros; asimismo el 56% considera que es aquel que se ajusta a las necesidades del paciente, como edad, condiciones de salud, ubicación, habilidades digitales y más. En el caso de los pacientes, el reporte indica que la mayor parte de los pacientes no se sienten apoyados adecuadamente por el prestador de servicios. Y apenas el 25% está de acuerdo que reciben una atención personalizada. En este sentido Lauren Goodman, directora de inteligencia de mercado en HIMSS, explica que es una oportunidad para que los prestadores de servicios apoyen a sus pacientes y desarrollen nuevos modelos de atención en salud, que ofrezcan soluciones digitales. Si te interesa conocer más, ingresa al siguiente enlace para obtener el reporte completo: https://www.himss.org/SoH-Report BIBLIOGRAFÍA HIMSS https://www.himss.org/SoH-Report?utm_source=twitter&utm_medium=social&utm_campaign=state_of_future_of&utm_content=report

Leer completo »
big data

The digitalization of the health sector in Latin America during the pandemic

La digitalización en el sector salud latinoamericano ha avanzado con rapidez durante los últimos dos años, los retos y desafíos que trajo la pandemia ha impulsado la integración de la tecnología en el sector médico. La compañía japonesa de consultoría en tecnología NTT DATA y MIT Technology Review realizaron el estudio La transformación en el sector salud en Latinoamérica: la digitalización del paciente, el cambio de los servicios de salud y la apertura del ecosistema, que tiene como propósito conocer cómo se han adaptado las organizaciones sanitarias a la situación actual y cómo se encuentran desarrollando sus procesos de digitalización. El estudio tuvo como participantes a 70 empresas establecidas en Argentina, Brasil, Colombia, Chile, México y Perú, además de 30 entrevistas sobre los procesos de digitalización. Uno de los principales hallazgos del estudio es que la pandemia ha reducido la brecha digital entre los diferentes perfiles de consumidores. En este sentido el 60% de las compañías consultadas en el estudio afirmaron que más de la mitad de sus clientes hacen uso de medios digitales, cifra que está prevista a un crecimiento de hasta 80% en los próximos dos años. Asimismo, la pandemia ha promovido la vigilancia epidemiológica en las compañías de salud, al menos 36% de las empresas participantes en el estudio cuentan con un sistema de vigilancia de ese tipo. Por otra parte, la analítica de datos ha incrementado su uso entre las organizaciones latinoamericanas, en países como Brasil y México cerca del 83% de las organizaciones hacen uso de datos para crear estrategias. En cuanto al uso de aplicaciones móviles, la implementación de herramientas como la telemedicina y chatbots médicos, las empresas ya han puesto en marcha estrategias en este ámbito. El 95% de las personas encuestadas destacaron la importancia de la telemedicina en los procesos de transformación digital. Como explican los autores del estudio, a pesar del prometedor avance en el viaje de la digitalización en el sector salud, las compañías tienen que resolver nuevos retos para encontrar el equilibrio entre lo humano y la digitalización. Puedes consultar el informe completo de manera gratuita en el siguiente enlace: https://ntt.healthcare-forwardhealth.com/home-es BIBLIOGRAFÍA MIT TECHNOLOGY REVIEW https://www.technologyreview.es/s/13984/el-sector-salud-de-latinoamerica-digitalizacion-tras-la-pandemia

Leer completo »
AI ANALYTICS

The role of machine learning in decision-making on COVID-19

Un estudio reciente del Regenstrief Institute de la Universidad de Indiana, mostró la aplicación de modelos de aprendizaje automática para predecir probabilidad de hospitalización por COVID-19 en pacientes contagiados. El aprendizaje automático ha sido un importante recurso médico para favorecer la toma de decisiones durante la pandemia en Estados Unidos. Investigadores del Regenstrief Institute, publicaron un estudio que detalló cómo los modelos de aprendizaje automático, entrenados con datos clínicos de todo el estado de Indiana, lograron predecir la probabilidad de hospitalización de personas que se contagiaron de COVID-19. “Lo que pensamos hacer fue aprovechar esta necesidad urgente de crear soluciones de aprendizaje automático que pudieran ayudar a los tomadores de decisiones de atención médica a tomar decisiones generales sobre el nivel de salud de la población a las que atienden”, explicó el Dr. Suranga Kasturi, primer autor del estudio. El objetivo del estudio fue desarrollar tecnología que favoreciera la utilización efectiva de los recursos disponibles. “Ya sea el estado, el condado o alguna otra región, puede estimar efectivamente para la próxima semana o seis semanas cuántos recursos de atención médica necesitará”, dijo Kasturi. Los datos clínicos utilizados para el estudio, forman parte del Indiana Network for Patient Care (INPC), la cual contiene más de 14 mil millones de datos de información clínica de pacientes. Para el estudio recolectaron información de 96 mil 26 pacientes. “En el contexto de este estudio, tener soluciones de aprendizaje automático nos ayuda a aprovechar grandes cantidades de datos para ayudar a informar decisiones amplias que afectan la salud pública y de la población. Cosas que simplemente no podríamos hacer si no hubiera un sistema impulsado por IA para trabajar con cantidades tan grandes de datos”, explicó el especialista. De esta forma los modelos desarrollados alcanzaron un gran desempeño en sus predicciones, sin embargo, al especificar las variables en subpoblaciones del estado existieron algunas disparidades. Según explicó el Dr. Kasturi, los modelos funcionaron bien, sin embargo, hay un gran margen de mejora para potencializar el rendimiento de los algoritmos. “El próximo paso sería abordar esas disparidades, asegurando que el modelo brinde una atención justa y equitativa. Una vez que eso suceda, podremos tener conversaciones más amplias en términos de cómo se puede integrar en los flujos de trabajo de salud pública existentes”, concluyó. El estudio está disponible en el siguiente enlace: https://www.jmir.org/2021/11/e31337    BIBLIOGRAFÍA HEALTH IT ANALYTICS https://healthitanalytics.com/features/how-machine-learning-can-guide-covid-19-decision-making

Leer completo »
big data

Artificial Intelligence could improve access to mental health services

Investigadoras del MIT y del Hospital General de Massachusetts (MGH), proponen el uso de aprendizaje automático e Inteligencia Artificial (IA), para mejorar el acceso a servicios de cuidado de la salud mental. Investigadoras del MIT, plantean que la IA puede ser capaz de ayudar a que los servicios de salud mental sean más accesibles para los pacientes. La psicóloga e investigadora Paola Pedrelli, del MGH, explicó que, desde su experiencia, ha encontrado diversas barreras para el acceso a la salud mental, entre ellas el cuándo y dónde buscar ayuda. En este sentido, Pedrelli, en colaboración con la investigadora del MIT, Rosalind Picard, han trabajado los últimos cinco años, en un proyecto basado en algoritmos de aprendizaje automático, que busca ayudar al diagnóstico y monitoreo de síntomas de pacientes con depresión. “Estamos tratando de construir modelos sofisticados que tengan la capacidad no solo de aprender lo que es común entre las personas, sino también de aprender categorías de lo que está cambiando en la vida de un individuo”, explicó Picard. Además, resaltó que buscan brindarles a las personas la oportunidad de acceder a información personalizada basada en evidencia que realmente marque la diferencia en su salud. Las investigadoras realizaron un estudio inicial con participantes del MGH, con trastornos depresivos mayores y que habían cambiado su tratamiento recientemente. A través del uso de wearables, los participantes recolectan información sobre datos biométricos como actividad electrodérmica, asimismo, se recopilaron datos de los teléfonos móviles de los participantes como mensajes de texto, llamadas telefónicas, uso de aplicaciones, ubicación y una encuesta quincenal sobre la depresión. “Ponemos todos los datos que recopilamos del dispositivo portátil y el teléfono inteligente en nuestro algoritmo de aprendizaje automático, y tratamos de ver qué tan bien el aprendizaje automático predice las etiquetas dadas por los médicos”, explica Picard. No obstante, otro de los retos de la aplicación de aprendizaje automático es la creación y desarrollo de una herramienta que le dé el control a los usuarios, por ejemplo, un dispositivo nuevo, una app móvil u otros métodos. “Lo que podría ser efectivo es una herramienta que le diga a un individuo ‘La razón por la que te sientes deprimido podría ser que los datos relacionados con tu sueño hayan cambiado, y los datos se relacionen con tu actividad social, y no hayas tenido tiempo con tus amigos, tu actividad física se ha reducido. La recomendación es que encuentre una manera de aumentar esas cosas”, explicó Picard. BIBLIOGRAFÍA MIT https://news.mit.edu/2022/deploying-machine-learning-improve-mental-health-rosalind-picard-0126 HEALTH IT ANALYTICS https://healthitanalytics.com/news/can-artificial-intelligence-boost-mental-healthcare-accessibility

Leer completo »
AI ANALYTICS

Artificial Intelligence for the non-invasive diagnosis of heart failure

La Inteligencia Artificial (IA), aplicada en un estetoscopio inteligente podría ayudar a que médicos diagnostiquen insuficiencia cardiaca, según estudio publicado en The Lancet. El estudio fue titulado “Cribado en el punto de atención de la insuficiencia cardíaca con fracción de eyección reducida utilizando inteligencia artificial durante el examen con estetoscopio habilitado para ECG en Londres, Reino Unido: un estudio prospectivo, observacional y multicéntrico”, y fue publicado en The Lancet. El estudio fue conducido por científicos e investigadores médicos del National Heart and Lung Institute y el Cardiac Engineering Centre del Imperial Colllege London, representa un avance para mejorar el diagnóstico de insuficiencia cardiaca. La insuficiencia cardiaca es una condición que provoca que el corazón no tenga la capacidad de bombear sangre de forma adecuada ni efectiva. Y en el caso exoficio de Reino Unido, esta condición consume el 4% del presupuesto total del Servicio Nacional de Salud (NHS), por lo que es importante encontrar nuevos métodos de diagnóstico. En este sentido, el estudio presenta el uso de un estetoscopio con un sistema de IA, llamado Eko DUO, el cual puede registrar electrocardiogramas (ECG) y sonidos cardiacos que gracias a su tecnología es capaz de determinar en 15 segundos si el bombeo del corazón del paciente es débil. Este es un síntoma automático para el diagnóstico de insuficiencia cardiaca. El estudio contó con la participación de 1,050 pacientes del NHS de siete localidades de Londres. El estudio logró medir en el dispositivo una sensibilidad de 91% y una especificidad de 80%, en comparación con pruebas de diagnóstico, que suelen ser invasivas y costosas. “Esta capacidad sobrehumana para evaluar a los pacientes en cualquier punto de atención, incluida la cirugía del médico de cabecera, puede superar la realidad inaceptable de que 80% de pacientes con insuficiencia cardiaca actualmente diagnosticados a través de un ingreso hospitalario de urgencia”, explicó el Dr. Patrik Bachtiger, el autor principal del estudio. Asimismo, el especialista también explicó que los métodos clínicos actuales pasan por alto a una gran cantidad de pacientes que no son diagnosticados hasta una etapa avanzada de la enfermedad. “Esta herramienta puede ahorrar tiempo y dinero para el NHS y desbloquear importantes beneficios para los pacientes a través del diagnóstico temprano y el inicio de tratamientos efectivos”, concluyó. Por otro lado, esta investigación fue financiada por el Artificial Intelligence in Health and Care Award del NHSX, la unidad de desarrollo tecnológico y políticas de mejores prácticas del NHS. Puedes leer el estudio (en inglés) completo en el siguiente enlace: https://www.thelancet.com/journals/landig/article/PIIS2589-7500(21)00256-9/fulltext#seccestitle150 BIBLIOGRAFÍA THE LANCET https://www.thelancet.com/journals/landig/article/PIIS2589-7500(21)00256-9/fulltext IMPERIAL COLLEGE https://www.imperial.ac.uk/news/232954/artificial-intelligence-tool-could-help-gps/

Leer completo »
big data

Computer Company Releases Open Source Artificial Intelligence Software for Healthcare

NVIDIA, compañía de origen estadounidense, especializada en computación y desarrollo de procesadores gráficos, lanzó el software de código abierto NVIDIA FLARE, que permite desarrollar modelos de Inteligencia Artificial (IA) para la atención médica. NVIDIA FLARE (Federated Learning Application Runtime Environment), cuenta con otro software llamado NVIDIA Clara Train, que ha sido utilizado para desarrollar modelos de IA para el análisis de imágenes médicas, análisis genético, oncología e investigación de COVID-19. Este desarrollo brinda más herramientas para investigadores y científicos que desarrollen plataformas de IA, puedan personalizar sus soluciones. Esta iniciativa utiliza una técnica llamada aprendizaje federado, la cual tiene como propósito la preservación de la privacidad y la confidencialidad de los datos. NVIDIA FLARE, ha sido aplicado en diversos proyectos de IA, como MONAI, un software de código abierto diseñado para el análisis de imágenes médicas. “El código abierto de NVIDIA FLARE para acelerar la investigación del aprendizaje federado es especialmente importante en el sector de la salud, donde el acceso a conjuntos de datos multiinstitucionales es crucial, pero las preocupaciones sobre la privacidad del paciente pueden limitar la capacidad de compartir datos”, explicó el Dr. Jayashree Kalapathy, profesor asociado de radiología en la Escuela de Medicina de Harvard, y líder de trabajo de MONAI. El proyecto de NVIDIA contempla impulsar soluciones de aprendizaje en IA en el American College of Radiology (ACR). Donde ya han trabajado estudios de aprendizaje federado basados en IA para el estudio de imágenes radiológicas de cáncer de mama. Por otra parte, también será aplicado en Rhino Health, compañía especializada en aplicaciones de la IA en salud y que participa en un proyecto con el Hospital General de Massachusetts sobre diagnóstico de aneurismas cerebrales. “Para colaborar de manera eficaz y eficiente, los investigadores de la salud necesitan una plataforma común para el desarrollo de la inteligencia artificial sin el riesgo de violar la privacidad del paciente”, explicó su fundador, el Dr. Ittai Dayan. Además, reconoció la utilización de técnicas de aprendizaje federado como una herramienta útil para acelerar el impacto de la IA en la atención médica. BIBLIOGRAFÍA AIMED https://ai-med.io/more-news/nvidia-brings-collaborative-ai-to-healthcare/

Leer completo »
Secured By miniOrange