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
Recomendaciones en la utilización de Inteligencia Artificial para la detección de COVID-19

Gracias a métodos de aprendizaje automático y profundo es posible realizar detecciones y pronósticos de COVID-19, utilizando radiografías y tomografías computarizadas de tórax. Sin embargo, a pesar de los avances del último año ningún modelo es apto para uso clínico aún.

Además de las pruebas PCR, los especialistas han complementado esa información con radiografías de tórax, para un diagnóstico de COVID-19 más completo. Además, en algunos países donde no hay suficientes pruebas PCR disponibles, el diagnóstico por imágenes podría ser un substituto.

Desde el comienzo de la pandemia, investigadores de diferentes países comenzaron a desarrollar modelos de Inteligencia Artificial (IA), basados en aprendizaje automático, para mejorar el diagnostico de COVID-19. Según un análisis publicado en Nature Machine Intelligence, que analizó más de 300 estudios que utilizaron modelos basados en aprendizaje profundo y 69 basados en aprendizaje automático, los autores explicaron que: “A pesar de los enormes esfuerzos de los investigadores para desarrollar modelos de aprendizaje automático para el diagnóstico y pronóstico de COVID-19, encontramos fallas metodológicas y muchos sesgos a lo largo de la literatura, lo que llevó a un rendimiento informado altamente optimista”.

“Cualquier algoritmo de aprendizaje automático es tan bueno como los datos con los que está entrenado. Especialmente para una enfermedad nueva como COVID-19, es vital que los datos de entrenamiento sean lo más diversos posible porque, como hemos visto a lo largo de esta pandemia, hay muchos factores diferentes que afectan el aspecto de la enfermedad y cómo se manifiesta”, explicó el Dr. Michael Roberts, del Departamento de Matemáticas Aplicadas y Física Teórica de la Universidad de Cambridge.

Finalmente, solo 62 de los estudios fueron analizados al cumplir con los criterios establecidos por los autores. Sin embargo, según explican los autores “en su forma informada actual, ninguno de los modelos de aprendizaje automático incluidos en esta revisión son candidatos probables para la traducción clínica para el diagnóstico / pronóstico de COVID-19”.

Los autores realizaron cinco recomendaciones principales para mejorar los modelos de detección  y diagnóstico  de COVID-19: (1) consideraciones al recopilar conjuntos de datos de imágenes de COVID-19 que se harán públicos; (2) consideraciones metodológicas para los desarrolladores de algoritmos; (3) cuestiones específicas sobre la reproducibilidad de los resultados en la literatura; (4) consideraciones para que los autores aseguren una documentación suficiente de las metodologías en los manuscritos; y (5) consideraciones para los revisores que realizan la revisión por pares de los manuscritos.

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