{"id":40725,"date":"2023-09-12T09:18:33","date_gmt":"2023-09-12T15:18:33","guid":{"rendered":"https:\/\/saluddigital.com\/?p=40725"},"modified":"2025-10-19T00:43:16","modified_gmt":"2025-10-19T06:43:16","slug":"usuarios-utilizan-twitter-para-crear-herramienta-de-analisis-de-imagenes-medicas-basada-en-ia","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/comunidades-conectadas\/usuarios-utilizan-twitter-para-crear-herramienta-de-analisis-de-imagenes-medicas-basada-en-ia\/","title":{"rendered":"Usuarios utilizan Twitter para crear herramienta de an\u00e1lisis de im\u00e1genes m\u00e9dicas basada en IA"},"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 de Stanford aprovecharon informaci\u00f3n compartida colectivamente por la comunidad m\u00e9dica de Twitter para desarrollar una fuente de datos anonimizados de im\u00e1genes m\u00e9dicas basada en IA<\/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

X, antes conocido como Twitter, no solo es un espacio para compartir noticias, posturas acerca de diversos temas o incluso informaci\u00f3n oficial importante, esta red social cuenta con una gran variedad de comunidades especializadas en diversos temas. Tal es el caso de la comunidad m\u00e9dica de Twitter, tambi\u00e9n conocida como \u201cTwitter m\u00e9dico\u201d. Miembros de esta comunidad compartieron cientos de miles de im\u00e1genes m\u00e9dicas anonimizadas, lo que ha permitido la creaci\u00f3n de un modelo de inteligencia artificial (IA).<\/p>

Investigadores de la Universidad de Stanford han identificado este recurso poco explorado y han recopilado m\u00e1s de 200 mil im\u00e1genes diagn\u00f3sticas de c\u00e1ncer y otras enfermedades, junto con las anotaciones profesionales proporcionadas por m\u00e9dicos altamente capacitados en esta red social. Utilizando estos datos, han desarrollado un potente modelo de IA capaz de analizar y diagnosticar con precisi\u00f3n im\u00e1genes m\u00e9dicas in\u00e9ditas.<\/p>

El profesor James Zou, miembro del Instituto Stanford para la Inteligencia Artificial Centrada en el Ser Humano (HAI), destaca que uno de los mayores desaf\u00edos en el desarrollo de la IA diagn\u00f3stica es la falta de datos anotados a gran escala. Sin embargo, en las redes sociales, y en la comunidad especifica de Twitter M\u00e9dico, encontraron una gran fuente de datos compartidos por m\u00e9dicos de gran utilidad para el desarrollo de una herramienta de IA.<\/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

A pesar de sus promesas, el campo de la patolog\u00eda computacional hab\u00eda estado rezagado en comparaci\u00f3n con otras \u00e1reas de la IA debido a la falta de conjuntos de datos de im\u00e1genes anonimizadas y con anotaciones anotadas, complicado por la vasta variedad de m\u00e1s de 8,000 enfermedades conocidas que deben clasificarse. Aqu\u00ed es donde Medical Twitter y la colaboraci\u00f3n entre profesionales tom\u00f3 mayor relevancia.<\/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

Los investigadores, Zhi Huang y Federico Bianchi, postdoctorados en Stanford y col\u00edderes del proyecto, se dieron cuenta de que, con cada imagen publicada en la comunidad m\u00e9dica de Twitter, se estaba etiquetando efectivamente el conjunto de datos. Cada an\u00e1lisis, cada hashtag colocado y cada pregunta profunda contribu\u00eda a la anotaci\u00f3n de datos.<\/p>

Reuniendo y curando m\u00e1s de 243 mil im\u00e1genes diagn\u00f3sticas y sus comentarios de Twitter M\u00e9dico, y anonimizando los datos, crearon OpenPath, uno de los conjuntos de datos de patolog\u00eda p\u00fablica m\u00e1s grandes con descripciones en lenguaje natural. Luego, entrenaron a PLIP, una IA fundamental capaz de comprender tanto im\u00e1genes como texto.<\/p>

\u201cEsa combinaci\u00f3n de im\u00e1genes y texto lo hace bastante \u00fatil. PLIP permite a los investigadores recuperar casos similares mediante b\u00fasquedas mediante im\u00e1genes o palabras. Creemos que deber\u00eda facilitar enormemente el intercambio de conocimientos dentro de la comunidad de patolog\u00eda en todo el mundo\u201d, explic\u00f3 Zou.<\/p>

A pesar de los constantes cambios en las redes sociales, como X, y las restricciones en la recopilaci\u00f3n de datos, este estudio resalta un mensaje positivo acerca de la colaboraci\u00f3n en el intercambio de conocimiento m\u00e9dico por redes sociales. Adem\u00e1s, demuestra la creatividad en la b\u00fasqueda de diversas fuentes de datos para mejorar la IA m\u00e9dica y la creaci\u00f3n de nuevas herramientas. Este descubrimiento destaca c\u00f3mo las redes sociales y el trabajo colaborativo entre profesionales m\u00e9dicos, pueden contribuir de manera importante a la evoluci\u00f3n de la IA.<\/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

HAI STANFORD<\/strong><\/p>

https:\/\/hai.stanford.edu\/news\/ai-researchers-tap-medical-twitter-create-powerful-new-analysis-tool<\/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 de Stanford aprovecharon informaci\u00f3n compartida colectivamente por la comunidad m\u00e9dica de Twitter para desarrollar una fuente de datos anonimizados de im\u00e1genes m\u00e9dicas basada en IA X, antes conocido como Twitter, no solo es un espacio para compartir noticias, posturas acerca de diversos temas o incluso informaci\u00f3n oficial importante, esta red social cuenta con una gran variedad de comunidades especializadas en diversos temas. Tal es el caso de la comunidad m\u00e9dica de Twitter, tambi\u00e9n conocida como \u201cTwitter m\u00e9dico\u201d. Miembros de esta comunidad compartieron cientos de miles de im\u00e1genes m\u00e9dicas anonimizadas, lo que ha permitido la creaci\u00f3n de un modelo de inteligencia artificial (IA). Investigadores de la Universidad de Stanford han identificado este recurso poco explorado y han recopilado m\u00e1s de 200 mil im\u00e1genes diagn\u00f3sticas de c\u00e1ncer y otras enfermedades, junto con las anotaciones profesionales proporcionadas por m\u00e9dicos altamente capacitados en esta red social. Utilizando estos datos, han desarrollado un potente modelo de IA capaz de analizar y diagnosticar con precisi\u00f3n im\u00e1genes m\u00e9dicas in\u00e9ditas. El profesor James Zou, miembro del Instituto Stanford para la Inteligencia Artificial Centrada en el Ser Humano (HAI), destaca que uno de los mayores desaf\u00edos en el desarrollo de la IA diagn\u00f3stica es la falta de datos anotados a gran escala. Sin embargo, en las redes sociales, y en la comunidad especifica de Twitter M\u00e9dico, encontraron una gran fuente de datos compartidos por m\u00e9dicos de gran utilidad para el desarrollo de una herramienta de IA. A pesar de sus promesas, el campo de la patolog\u00eda computacional hab\u00eda estado rezagado en comparaci\u00f3n con otras \u00e1reas de la IA debido a la falta de conjuntos de datos de im\u00e1genes anonimizadas y con anotaciones anotadas, complicado por la vasta variedad de m\u00e1s de 8,000 enfermedades conocidas que deben clasificarse. Aqu\u00ed es donde Medical Twitter y la colaboraci\u00f3n entre profesionales tom\u00f3 mayor relevancia. Los investigadores, Zhi Huang y Federico Bianchi, postdoctorados en Stanford y col\u00edderes del proyecto, se dieron cuenta de que, con cada imagen publicada en la comunidad m\u00e9dica de Twitter, se estaba etiquetando efectivamente el conjunto de datos. Cada an\u00e1lisis, cada hashtag colocado y cada pregunta profunda contribu\u00eda a la anotaci\u00f3n de datos. Reuniendo y curando m\u00e1s de 243 mil im\u00e1genes diagn\u00f3sticas y sus comentarios de Twitter M\u00e9dico, y anonimizando los datos, crearon OpenPath, uno de los conjuntos de datos de patolog\u00eda p\u00fablica m\u00e1s grandes con descripciones en lenguaje natural. Luego, entrenaron a PLIP, una IA fundamental capaz de comprender tanto im\u00e1genes como texto. \u201cEsa combinaci\u00f3n de im\u00e1genes y texto lo hace bastante \u00fatil. PLIP permite a los investigadores recuperar casos similares mediante b\u00fasquedas mediante im\u00e1genes o palabras. Creemos que deber\u00eda facilitar enormemente el intercambio de conocimientos dentro de la comunidad de patolog\u00eda en todo el mundo\u201d, explic\u00f3 Zou. A pesar de los constantes cambios en las redes sociales, como X, y las restricciones en la recopilaci\u00f3n de datos, este estudio resalta un mensaje positivo acerca de la colaboraci\u00f3n en el intercambio de conocimiento m\u00e9dico por redes sociales. Adem\u00e1s, demuestra la creatividad en la b\u00fasqueda de diversas fuentes de datos para mejorar la IA m\u00e9dica y la creaci\u00f3n de nuevas herramientas. Este descubrimiento destaca c\u00f3mo las redes sociales y el trabajo colaborativo entre profesionales m\u00e9dicos, pueden contribuir de manera importante a la evoluci\u00f3n de la IA. BIBLIOGRAF\u00cdA HAI STANFORD https:\/\/hai.stanford.edu\/news\/ai-researchers-tap-medical-twitter-create-powerful-new-analysis-tool<\/p>","protected":false},"author":1,"featured_media":40726,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[154,160,3394],"tags":[145],"class_list":["post-40725","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-comunidades-conectadas","category-noticias","category-redes-sociales","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/40725","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=40725"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/40725\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/40726"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=40725"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=40725"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=40725"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}