{"id":31547,"date":"2022-09-12T09:38:04","date_gmt":"2022-09-12T14:38:04","guid":{"rendered":"https:\/\/saluddigital.com\/?p=31547"},"modified":"2025-10-20T11:10:30","modified_gmt":"2025-10-20T17:10:30","slug":"modelo-de-aprendizaje-profundo-de-google-logra-la-deteccion-de-tuberculosis","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/modelo-de-aprendizaje-profundo-de-google-logra-la-deteccion-de-tuberculosis\/","title":{"rendered":"Google's deep learning model achieves tuberculosis detection"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

The application of a model developed by Google to detect tuberculosis with the same precision as radiologists was explored in a study published by the Radiological Society of North America (RSNA).<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

In the study, deep learning, or deep learning, was used for the detection of active pulmonary tuberculosis on chest radiographs, which was consistent with the clinical performance of radiologists. For this, the model was trained using chest radiographs from 1996 to 2020 from 10 countries. In this way the model of deep learning<\/em> was jointly evaluated through trials in four countries, China, India, the United States, and Zambia.<\/p>

The World Health Organization recommends chest radiographs to facilitate the detection of tuberculosis, however, the interpretation of this type of radiograph continues to be very limited in various regions of the world. Hence the importance of the study, since according to the WHO, tuberculosis affects 10 million people each year, and 1.5 million people die for reasons related to tuberculosis annually, despite the fact that it is preventable and, above all, curable.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

The objective of the study was to achieve sensitivity targets for 90% or specificity for 70%, to meet the guidelines required by the WHO for these models. After various tests, the model managed to measure results on par with the 14 participating radiologists, achieving a sensitivity of 88% compared to 75 of the radiologists, and a specificity of 70% by 84 of the radiologists.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Also, the model was tested with a mining population from South Africa, because this population has a high prevalence of pulmonary abnormalities and chronic obstructive disease. Similarly, the model remained comparable to the work of radiologists.<\/p>

\u201cOur study has limitations. First, this study was retrospective; prospective validation studies are being planned to better understand the challenges of integration in real-world workflows. As all of our data sets had a relatively high prevalence, we will need to assess their performance in populations with a lower prevalence,\u201d the authors explain.<\/p>

Likewise, the study details that the performance of the model is not affected by changes in prevalence, changes in prevalence are associated with the severity of the disease, which may affect the sensitivity or specificity of the model.<\/p>

Finally, the cost analysis is a simulation that makes simplified assumptions, such as that DLS performance is not affected by changes in prevalence. In practice, changes in prevalence may be associated with disease severity, which may affect the sensitivity or specificity of the DLS.<\/p>

Check the details of the study in the following link:<\/p>

https:\/\/pubs.rsna.org\/doi\/10.1148\/radiol.212213<\/a><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

RSNA <\/strong><\/p>

https:\/\/pubs.rsna.org\/doi\/10.1148\/radiol.212213<\/a><\/p>

HEALTH IT ANALYTICS<\/strong><\/p>

https:\/\/healthitanalytics.com\/news\/google-deep-learning-model-detects-tuberculosis-on-par-with-radiologists<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

La aplicaci\u00f3n de un modelo desarrollado por Google para la detecci\u00f3n de tuberculosis con la misma precisi\u00f3n que radi\u00f3logos fue explorada en un estudio publicado por la Radiological Society of North America (RSNA). En el estudio, el aprendizaje profundo o deep learning, fue utilizado para la detecci\u00f3n de tuberculosis pulmonar activa en radiograf\u00edas de t\u00f3rax, el cual coincidi\u00f3 con el rendimiento cl\u00ednico de los radi\u00f3logos. Para ello el modelo fue entrenado utilizando radiograf\u00edas de t\u00f3rax de 1996 a 2020 de 10 pa\u00edses. De esta forma el modelo de deep learning fue evaluado de manera con junta a trav\u00e9s de pruebas en cuatro pa\u00edses, China, India, Estados Unidos y Zambia. La Organizaci\u00f3n Mundial de la Salud, recomienda las radiograf\u00edas de t\u00f3rax para facilitar la detecci\u00f3n de tuberculosis, no obstante, la interpretaci\u00f3n de este tipo de radiograf\u00edas contin\u00faa siendo muy limitada en diversas regiones del mundo. Por ello la importancia del estudio, ya que seg\u00fan la OMS la tuberculosis afecta a 10 millones de personas cada a\u00f1o, y 1.5 millones de personas mueren por razones relacionadas a tuberculosis anualmente, a pesar de que es prevenible y sobre todo curable. El objetivo del estudio fue lograr objetivos de sensibilidad del 90% o de especificidad del 70%, para cumplir con los lineamientos que exige la OMS para estos modelos. Luego de diversas pruebas, el modelo logr\u00f3 medir resultados a la par con los 14 radi\u00f3logos participantes, logrando una sensibilidad de 88% comparada con el 75 de los radi\u00f3logos, y una especificidad de 70% por 84 de los radi\u00f3logos. Asimismo, el modelo fue probado con una poblaci\u00f3n minera de Sud\u00e1frica, debido a que esta poblaci\u00f3n tiene alta prevalencia de anomal\u00edas pulmonares y enfermedad obstructiva cr\u00f3nica. De igual forma el modelo se mantuvo comparable al trabajo de los radi\u00f3logos. \u201cNuestro estudio tiene limitaciones. Primero, este estudio fue retrospectivo; se est\u00e1n planificando estudios de validaci\u00f3n prospectivos para comprender mejor los desaf\u00edos de la integraci\u00f3n en los flujos de trabajo del mundo real. Como todos nuestros conjuntos de datos ten\u00edan una prevalencia relativamente alta, necesitaremos evaluar su desempe\u00f1o en poblaciones con una prevalencia m\u00e1s baja\u201d, explican los autores. Asimismo, el estudio detalla que el rendimiento del modelo no se ve afectado por los cambios de prevalencia, los cambios de prevalencia se asocian a la gravedad de la enfermedad, lo que puede afectar la sensibilidad o especificidad del modelo. Finalmente, el an\u00e1lisis de costos es una simulaci\u00f3n que hace suposiciones simplificadas, como que el rendimiento de DLS no se ve afectado por los cambios de prevalencia. En la pr\u00e1ctica, los cambios de prevalencia pueden estar asociados con la gravedad de la enfermedad, lo que puede afectar la sensibilidad o la especificidad de la DLS. Consulta los detalles del estudio en el siguiente enlace: https:\/\/pubs.rsna.org\/doi\/10.1148\/radiol.212213 BIBLIOGRAF\u00cdA RSNA https:\/\/pubs.rsna.org\/doi\/10.1148\/radiol.212213 HEALTH IT ANALYTICS https:\/\/healthitanalytics.com\/news\/google-deep-learning-model-detects-tuberculosis-on-par-with-radiologists<\/p>","protected":false},"author":1,"featured_media":31549,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,3400,160],"tags":[145],"class_list":["post-31547","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-diagnostico","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/31547","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=31547"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/31547\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/31549"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=31547"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=31547"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=31547"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}