Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Les algorithmes neufs supportent des médecins en effectuant un plus rapide et un diagnostic précis

Le savoir-faire des premiers experts en matière du monde en matière d'ultrason de poumon a été rassemblé et dispensé dans l'application logiciel. Leurs compétences sont maintenant rapidement à la disposition du corps médical, d'une voie fonctionnelle, gratuite, juste quelques claquements loin.

Vous juste devez charger les échographies du patient et le logiciel les compare automatiquement aux caractéristiques procurables, fournissant une analyse précise qui peut aider des médecins à effectuer un diagnostic.

L'artificial intelligence fournit la vitesse et l'exactitude, montrant et classant des anomalies dues aux modifications au poumon apprêtent. Ceci supportera des médecins en effectuant un plus rapide et un diagnostic précis.

En fait, la représentation d'ultrason de poumon (échographie) indique les configurations spécifiques qui permettent à des médecins de comprendre les états des patients et de choisir la meilleure demande de règlement. Des ondes d'ultrason, en d'autres termes, sont employées « prennent une photo » des poumons et indiquent n'importe quel changement.

Il incombe aux médecins pour effectuer un diagnostic. Mais ces algorithmes peuvent être d'un secours grand. Ils continuent à l'amélioration pendant que nous acquérons, traitons, et analysons plus de caractéristiques. »

Libertario Demi, Coordinateur du projet d'ICLUS, université de Trento

« Ces algorithmes sont employés dans les hôpitaux et les services des urgences pendant que nous parlons. Nous avons commencé une collaboration avec le service de soins provincial, qui est sur le point de définir une phase de test dans Trentino, et l'hôpital de Catharina à Eindhoven est déjà à bord. »

« La technologie est employée dans les hôpitaux en travers de l'Italie del Serchio-Lucques à Brescia, Valle, chez Policlinico Universitario A. Gemelli et chez Policlinico Universitario San Matteo.

« La collaboration entre les médecins, les physiciens, et les ingénieurs informaticiens sont essentielle pour son développement. Nous sommes procurables pour former des professionnels de la santé et pour développer davantage les algorithmes qui peuvent les aider à manager la pandémie. »

« Cette solution est facilement mise en application : elle est déjà procurable par grâce d'une application Web à laquelle les médecins de partout dans le monde peuvent avoir des algorithmes pour examiner leurs caractéristiques d'ultrason en temps réel. Les médecins pourront surveiller l'évolution de la maladie au site des patients car cette technologie est également les systèmes sans fil traversants procurables d'ultrason ».

Ces améliorations diagnostiques ont pu également rendre la sélection plus efficace : « Les algorithmes donnent une réaction en quelques secondes - Demi expliqué. Vous pouvez examiner cinq patients ou plus par heure avec une machine. Si vous multipliez ceci pour toutes les machines procurables, le contrôle, et la capacité de surveillance est sensiblement augmenté ».

Cette solution offre également des avantages variés par rapport aux technologies de l'image alternatives telles que le CT ou l'IRM. Elle est rentable, peut être montée sur hautement les appareils mobiles qui peuvent être utilisés au site des patients, n'emploie pas le rayonnement ionisant (comme avec le CT), et peut aider à réduire à un minimum le risque de contamination puisqu'elle réduit fortement la mobilité des patients.

Source:
Journal reference:

Roy, S., et al. (2020) Deep learning for classification and localization of COVID-19 markers in point-of-care lung ultrasound. IEEE Transactions on Medical Imaging. doi.org/10.1109/TMI.2020.2994459.