Filtrar por tipo de entrada
Seleccionar todo
Noticias
Páginas
Eventos
Filtrar por categorías
Seleccionar todo
AI ANALITICA
Apps móviles e Internet de las Cosas
Avance de la ciencia
Big data
Comunidades conectadas
Coronavirus
Cursos y capacitaciones
DIAGNOSTICO
Editorial inicial
Editoriales
El mundo en la nube
Eventos
Infografías
Inteligencia Artificial y Ciencia
IoTApps
Noticias
Plataformas digitales
Redes sociales
Reseña de publicaciones científicas
Resumen de Cursos
Sinopsis de ensayo
Sinopsis de Marcos de Referencia
Sinopsis de publicaciones recientes
Uso de Plataformas Digitales
Publican estudio sobre la evaluación de la precisión del aprendizaje profundo en análisis de imágenes médicas

El artículo "Precisión diagnóstica del aprendizaje profundo en imágenes médicas: una revisión sistemática y un metaanálisis" publicado en Nature, presenta una evaluación de la precisión diagnóstica del aprendizaje profundo a través de la revisión de más de 11,921 estudios relacionados al tema.

El aprendizaje profundo o Deep learning (DL), uno de los subcampos de la Inteligencia Artificial, es capaz de cambiar los diagnósticos médicos como los conocemos. Sin embargo, a pesar de los avances de la ciencia, su precisión diagnóstica aún es incierta. El objetivo del estudio antes mencionado tuvo como objetivo “evaluar la precisión diagnóstica de los algoritmos DL para identificar patologías en imágenes médicas”.

“La integración exitosa de la tecnología DL en la práctica clínica de rutina se basa en lograr una precisión diagnóstica que no sea inferior a la de los profesionales de la salud. Además, debe aportar otros beneficios, como rapidez, eficiencia, coste, potenciación de la accesibilidad y mantenimiento de la conducta ética”, explican los autores sobre el uso de aprendizaje profundo en el ejercicio médico.

A través de la búsqueda de artículos relacionados a aprendizaje profundo, en las bases de datos Medline y EMBASE, identificaron más de 11 mil estudios de los cuales 503 fueron finalmente revisados sistemáticamente.

“Se incluyeron para el metaanálisis 82 estudios en oftalmología, 82 en enfermedad mamaria y 115 en enfermedad respiratoria. Se incluyeron doscientos veinticuatro estudios en otras especialidades para revisión cualitativa. Se incluyeron estudios revisados ​​por pares que informaron sobre la precisión diagnóstica de los algoritmos de DL para identificar patologías mediante imágenes médicas”, explican los autores.

En las distintas áreas de especialidad los resultados muestran diferentes resultados, “una amplia variación en la metodología, la interpretabilidad de los datos, la terminología y las medidas de resultado podrían explicarse por la falta de consenso sobre cómo realizar e informar los estudios de DL”, reconocen.

Finalmente, los autores comentan que la rapidez del desarrollo de tecnologías basadas en IA o DL, tienen un gran potencial en atención médica, sobre todo en radiología. “esta revisión sistemática y metaanálisis evaluó la calidad de la literatura y brindó precisión diagnóstica combinada para las técnicas de LD en tres especialidades médicas”, finalizan.

Lee el texto completo en el siguiente enlace: https://www.nature.com/articles/s41746-021-00438-z

Contenidos Relacionados

Secured By miniOrange