{"id":36452,"date":"2023-01-05T09:08:36","date_gmt":"2023-01-05T15:08:36","guid":{"rendered":"https:\/\/saluddigital.com\/?p=36452"},"modified":"2025-10-20T00:09:07","modified_gmt":"2025-10-20T06:09:07","slug":"aprendizaje-automatico-en-radiologia-y-enfermedades-pulmonares","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/aprendizaje-automatico-en-radiologia-y-enfermedades-pulmonares\/","title":{"rendered":"Machine learning in radiology and pulmonary diseases"},"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

Investigadores eval\u00faan c\u00f3mo se pueden aplicar el aprendizaje autom\u00e1tico a la investigaci\u00f3n de biomarcadores de im\u00e1genes m\u00e9dicas como tomograf\u00edas, para detectar y diagnosticar enfermedades pulmonares.<\/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

Investigadores m\u00e9dicos especialistas en radiolog\u00eda, publicaron una revisi\u00f3n en The Lancet digital Health donde buscan evaluar el uso de herramientas de aprendizaje autom\u00e1tico para la detecci\u00f3n temprana de enfermedades pulmonares intersticiales o EPI.<\/p>

La evaluaci\u00f3n de EPI se centra en diagn\u00f3sticos dependientes de procesos cl\u00ednicos, radiol\u00f3gicos y patol\u00f3gicos. Sin embargo, seg\u00fan especialistas estos no informan de manera confiable el comportamiento de las enfermedades. La evaluaci\u00f3n de estas enfermedades requiere integrar datos cl\u00ednicos y de im\u00e1genes e incluso en ciertos casos material biol\u00f3gico como biopsia pulmonar quir\u00fargica, crio biopsia, entre otros.<\/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

Por ello los investigadores realizaron esta revisi\u00f3n sobre el uso de herramientas de Inteligencia Artificial (IA), como lo son el aprendizaje autom\u00e1tico y el aprendizaje profundo. Los algoritmos de aprendizaje autom\u00e1tico pueden identificar EPI en poblaciones de riesgo, predecir el alcance de fibrosis pulmonar, correlacionar anomal\u00edas radiol\u00f3gicas con el deterioro de la funci\u00f3n pulmonar, e incluso utilizarse como criterios de valoraci\u00f3n en ensayos de tratamiento.<\/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

El uso de aprendizaje autom\u00e1tico se basa principalmente en el an\u00e1lisis de im\u00e1genes. Los conjuntos de datos de im\u00e1genes m\u00e9dicas son muy extensos y la informaci\u00f3n cl\u00ednicamente relevante no est\u00e1 estructurada. En este caso es donde se involucra el aprendizaje autom\u00e1tico, para organizar datos no etiquetados y extraer caracter\u00edsticas para facilitar su an\u00e1lisis.<\/p>

\u201cLa implementaci\u00f3n del aprendizaje autom\u00e1tico y el aprendizaje profundo ha mejorado en gran medida la eficiencia, la precisi\u00f3n y la reproducibilidad de varios m\u00e9todos de segmentaci\u00f3n\u201d, explican los autores.<\/p>

La extracci\u00f3n de caracter\u00edsticas por aprendizaje profundo se refiere a operaciones matem\u00e1ticas realizadas en im\u00e1genes digitales para producir descriptores num\u00e9ricos de textura, forma y otras caracter\u00edsticas distintivas. Posteriormente estas son analizadas computacionalmente con bajo par\u00e1metros cl\u00ednicos.<\/p>

Conoce m\u00e1s leyendo la revisi\u00f3n completa:<\/p>

https:\/\/www.thelancet.com\/journals\/landig\/article\/PIIS2589-7500(22)00230-8\/fulltext<\/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

THE LANCET<\/strong><\/p>

https:\/\/www.thelancet.com\/journals\/landig\/article\/PIIS2589-7500(22)00230-8\/fulltext<\/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":"

Investigadores eval\u00faan c\u00f3mo se pueden aplicar el aprendizaje autom\u00e1tico a la investigaci\u00f3n de biomarcadores de im\u00e1genes m\u00e9dicas como tomograf\u00edas, para detectar y diagnosticar enfermedades pulmonares. Investigadores m\u00e9dicos especialistas en radiolog\u00eda, publicaron una revisi\u00f3n en The Lancet digital Health donde buscan evaluar el uso de herramientas de aprendizaje autom\u00e1tico para la detecci\u00f3n temprana de enfermedades pulmonares intersticiales o EPI. La evaluaci\u00f3n de EPI se centra en diagn\u00f3sticos dependientes de procesos cl\u00ednicos, radiol\u00f3gicos y patol\u00f3gicos. Sin embargo, seg\u00fan especialistas estos no informan de manera confiable el comportamiento de las enfermedades. La evaluaci\u00f3n de estas enfermedades requiere integrar datos cl\u00ednicos y de im\u00e1genes e incluso en ciertos casos material biol\u00f3gico como biopsia pulmonar quir\u00fargica, crio biopsia, entre otros. Por ello los investigadores realizaron esta revisi\u00f3n sobre el uso de herramientas de Inteligencia Artificial (IA), como lo son el aprendizaje autom\u00e1tico y el aprendizaje profundo. Los algoritmos de aprendizaje autom\u00e1tico pueden identificar EPI en poblaciones de riesgo, predecir el alcance de fibrosis pulmonar, correlacionar anomal\u00edas radiol\u00f3gicas con el deterioro de la funci\u00f3n pulmonar, e incluso utilizarse como criterios de valoraci\u00f3n en ensayos de tratamiento. El uso de aprendizaje autom\u00e1tico se basa principalmente en el an\u00e1lisis de im\u00e1genes. Los conjuntos de datos de im\u00e1genes m\u00e9dicas son muy extensos y la informaci\u00f3n cl\u00ednicamente relevante no est\u00e1 estructurada. En este caso es donde se involucra el aprendizaje autom\u00e1tico, para organizar datos no etiquetados y extraer caracter\u00edsticas para facilitar su an\u00e1lisis. \u201cLa implementaci\u00f3n del aprendizaje autom\u00e1tico y el aprendizaje profundo ha mejorado en gran medida la eficiencia, la precisi\u00f3n y la reproducibilidad de varios m\u00e9todos de segmentaci\u00f3n\u201d, explican los autores. La extracci\u00f3n de caracter\u00edsticas por aprendizaje profundo se refiere a operaciones matem\u00e1ticas realizadas en im\u00e1genes digitales para producir descriptores num\u00e9ricos de textura, forma y otras caracter\u00edsticas distintivas. Posteriormente estas son analizadas computacionalmente con bajo par\u00e1metros cl\u00ednicos. Conoce m\u00e1s leyendo la revisi\u00f3n completa: https:\/\/www.thelancet.com\/journals\/landig\/article\/PIIS2589-7500(22)00230-8\/fulltext BIBLIOGRAF\u00cdA THE LANCET https:\/\/www.thelancet.com\/journals\/landig\/article\/PIIS2589-7500(22)00230-8\/fulltext<\/p>","protected":false},"author":1,"featured_media":36454,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-36452","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/36452","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=36452"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/36452\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/36454"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=36452"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=36452"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=36452"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}