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
Pronóstico de pacientes con COVID-19 a través de Inteligencia Artificial y radiografías de tórax

The Lancet publicó en su más reciente número el artículo “Pronóstico de pacientes con COVID-19 mediante inteligencia artificial basada en radiografías de tórax y datos clínicos: un estudio retrospectivo”.

Las radiografías de tórax son una modalidad importante para la obtención de imágenes médicas, además resulta más económica y accesible que otras opciones. “Nuestro objetivo fue desarrollar y evaluar un sistema de inteligencia artificial utilizando radiografías de tórax y datos clínicos para predecir la gravedad y la progresión de la enfermedad en pacientes con COVID-19”, explican los autores.

Este estudio publicado en The Lancet presenta un estudio retrospectivo en varios hospitales del Sistema de Salud de la Universidad de Pensilvania en Filadelfia, Pensilvania y explican en hospitales afiliados a la Universidad de Brown en Providence, Rhode Island. Los pacientes participantes confirmaron ser positivos a COVID-19 a través de una prueba PCR y una radiografía de tórax.

El estudio contó con la participación de 1835 pacientes que se presentaron entre el 9 de marzo y 20 de julio de 2020. Se formaron tres grupos: 1285 para el entrenamiento del modelo, 183 para validación y 366 para pruebas.

“Utilizando las radiografías de tórax como entrada para una red neuronal profunda EfficientNet y datos clínicos, se entrenaron modelos para predecir el resultado binario de la gravedad de la enfermedad (es decir, crítica o no crítica)”, explica el estudio. Las características del aprendizaje profundo extraídas de los modelos y los datos clínicos de los pacientes, fueron utilizadas para construir modelos de tiempo, para predecir el riesgo de la progresión de la enfermedad.

Consulta el estudio completo y sus resultados en el siguiente enlace: https://www.thelancet.com/journals/landig/article/PIIS2589-7500(21)00039-X/fulltext#%20

Contenidos Relacionados

Secured By miniOrange