Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

el sistema AI-impulsado para automáticamente descubrir anormalidades en el cerebro MRI podía acelerar cuidado

Un sistema inteligencia-impulsado artificial que se peina automáticamente a través del cerebro MRIs para las anormalidades podría apresurar cuidado a los que lo necesitan más, según un estudio publicado en radiología: Inteligencia artificial.

MRI produce las imágenes detalladas del cerebro que ayudan a radiólogos a diagnosticar diversos enfermedades y daño de acciones como una lesión en la cabeza del recorrido o. Su uso cada vez mayor ha llevado a la imagen una sobrecarga que presenta una necesidad urgente del flujo de trabajo radiológico perfeccionado. La identificación automática de conclusión anormales en imágenes médicas ofrece una solución potencial, habilitando atención a los pacientes perfeccionada y licenciamiento paciente acelerado.

“Hay un número cada vez mayor de MRIs se realiza que, no sólo en el hospital pero también para los pacientes no internados, tan hay una necesidad real de perfeccionar flujo de trabajo de la radiología,” dijo el co-guía Romane Gauriau autor, Ph.D., científico anterior del aprendizaje de máquina en el Hospital General y Brigham de Massachusetts y centro del estudio del hospital de las mujeres para la ciencia clínica de los datos en Boston. “Una manera de hacer eso es automatizar algo del proceso y también ayudar al radiólogo a dar prioridad a los diversos exámenes.”

El Dr. Gauriau, junto con el co-guía autor Bernardo C. Bizzo, M.D., Ph.D., y colegas, y en colaboración con América SA (DASA) de Diagnosticos DA, una compañía médica de los diagnósticos en el Brasil, desarrolló un sistema automatizado para clasificar exploraciones del cerebro MRI como “probable anormal normal” o “probable.” La aproximación confía en una red neuronal circumvolucional (CNN), un tipo sofisticado de AI que permita que el modelo aprenda directamente de las imágenes.

Los investigadores entrenaron y validaron al algoritmo en tres grupos de datos grandes que sumaban más de 9.000 exámenes cerco de diversas instituciones en dos diversos continentes.

En la prueba preliminar, el modelo mostró funcionamiento relativamente bueno para distinguir probables exámenes anormales normales o probables. La prueba en un grupo de datos de la validación detectado en un diverso plazo y de una diversa institución que los datos usados para entrenar al algoritmo destacó la capacidad de la generalización del modelo. Tal sistema se podía utilizar como una herramienta de la clasificación, según el Dr. Gauriau, con el potencial de perfeccionar flujo de trabajo de la radiología.

“El problema que estamos intentando abordar está muy, muy complejo porque hay una gran variedad de anormalidades en MRI,” ella dijo. “Mostramos que este modelo es bastante prometedor comenzar a evaluar si puede ser utilizado en un ambiente clínico.”

Los modelos similares se han mostrado para perfeccionar importante el tiempo de vuelta para la identificación de anormalidades en la culata de cilindro CTs y radiografías del pecho. El modelo nuevo tiene el potencial de beneficiar más lejos a cuidado de paciente no internado determinando conclusión fortuitas. El encontrar del elemento incidental es una anormalidad no relacionada con la razón que el médico pidió la prueba.

Diga que usted se cayó y que pegó su cabeza, después que fue al hospital y pidieron un cerebro MRI. Este algoritmo podría descubrir si usted tiene lesión cerebral a partir de la caída, pero puede también descubrir encontrar inesperado tal como un tumor cerebral. Tener esa capacidad podía ayudar realmente a perfeccionar atención a los pacientes.”

El Dr. Romane Gauriau, autor del Co-Guía del estudio

El trabajo era el primer de su clase para leverage un grupo de datos grande y clínico relevante y para utilizar datos completos del volumen MRI para descubrir anormalidad total del cerebro. Los pasos siguientes en la investigación incluyen la evaluación de la utilidad del modelo y del valor clínicos del potencial para los radiólogos. Los investigadores también quisieran desarrollarlo más allá de los rendimientos binarios de “probable anormal normal” o “probable.”

“Esta manera podríamos no sólo tener resultados binarios pero quizá algo de caracterizar mejor los tipos de conclusión, por ejemplo, si la anormalidad es más probable ser relacionada con el tumor o con la inflamación,” del Dr. Gauriau dijimos. “Podría también ser muy útil para los propósitos educativos.”

La evaluación adicional está actualmente en curso en un ambiente clínico controlado en el Brasil con los colaboradores de la investigación de DASA.

Source:
Journal reference:

Gauriau, R., et al. (2021) A Deep Learning-Based Model for Detecting Abnormalities on Brain MRI for Triaging: Preliminary Results from a Multi-Site Experience. Radiology: Artificial Intelligence. doi.org/10.1148/ryai.2021200184.