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
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
Científicos crean modelo de Inteligencia Artificial para apoyar en el diagnóstico de nódulos tiroideos

Los modelos de Inteligencia Artificial (IA), brindan una nueva forma de acercamiento al diagnóstico y tratamiento de enfermedades. En la edición de abril de The Lancet fue publicado un estudio sobre la Utilización de esta tecnología para el manejo y diagnóstico de nódulos tiroideos.

Este modelo de IA fue presentado en el artículo titulado: Modelo de inteligencia artificial basado en aprendizaje profundo para ayudar al diagnóstico y manejo de nódulos tiroideos: un estudio de diagnóstico multicéntrico. Se trata de un modelo basado en aprendizaje profundo para la diferenciación entre tumores malignos y nódulos tiroideos benignos.

ThyNet es el nombre del modelo y el estudio se centra en cómo “podría ayudar a los radiólogos a mejorar el rendimiento diagnóstico y evitar la aspiración con aguja fina innecesaria”. Para entrenar al algoritmo de aprendizaje profundo los investigadores utilización un conjunto de datos de entrenamiento de 14439 imágenes de 6587 pacientes y el conjunto de datos de ajuste 3610 imágenes de 1752 pacientes.

“Todos los nódulos en el entrenamiento y el conjunto de prueba total se confirmaron patológicamente. El rendimiento diagnóstico de ThyNet se comparó primero con el de 12 radiólogos”, Este correspondió al conjunto de pruebas A. Posteriormente, para el Conjunto B se desarrolló la estrategia asistida por ThyNey en conjunto con radiólogos.

“Luego, la estrategia asistida por ThyNet se probó en un entorno clínico del mundo real (utilizando imágenes y videos; conjunto de prueba C)”. Los investigadores explican que “La estrategia asistida por ThyNet puede mejorar significativamente el rendimiento diagnóstico de los radiólogos y ayudar a reducir las aspiraciones con aguja fina innecesarias para los nódulos tiroideos”.

Encuentra el estudio completo en el siguiente enlace: https://www.thelancet.com/journals/landig/article/PIIS2589-7500(21)00041-8/fulltext

Noticias destacadas

Noticias por país

Comparte el contenido

Salud Digital en el mundo

  • — Science Brief: Omicron (B.1.1.529) Variant/ actualizaciones CDC
    Ver más
  • — Coronavirus resource center / Johns Hopkins
    Ver más
  • — Rastreo epidemiológico de contactos COVID-19 / Curso Johns Hopkins
    Ver más
  • — Comportamiento infección SARS-CoV-2 / Calculadora FCS
    Ver más
  • — Omicron SARS-CoV-2 variant: a new chapter in the COVID-19 pandemic/ Artículo The Lancet
    Ver más
  • — Genomic Epidemiology Tracker / GISAID
    Ver más
  • — Consorcio Mexicano de Vigilancia Genómica
    Ver más
Secured By miniOrange