Imagen pulmonar no identificada representativa de la base de datos nacional de im\u00e1genes del t\u00f3rax COVID-19 (NCCID). Cr\u00e9dito: NCCID Collaborative <\/p>\n
Publicado hoy en la revista Open-Access, Open-Data GigaScience es la base de datos nacional de im\u00e1genes de t\u00f3rax COVID-19 (NCCID), una base de datos centralizada que contiene radiograf\u00edas de t\u00f3rax, tomograf\u00eda computarizada (TC) y resonancias magn\u00e9ticas de pacientes de todo el Reino Unido. Utilizando la posici\u00f3n \u00fanica como el sistema de salud integrado m\u00e1s grande del mundo, los beneficios de recopilar datos de im\u00e1genes de t\u00f3rax de este tama\u00f1o son extensos y ya est\u00e1n siendo utilizados por m\u00e9dicos y la comunidad de investigaci\u00f3n. La base de datos ya respalda el desarrollo de software de procesamiento de im\u00e1genes impulsado por inteligencia artificial (IA) y productos y modelos de diagn\u00f3stico que se utilizan para predecir la mortalidad por COVID-19 en el Reino Unido. Y tambi\u00e9n tiene el potencial de convertirse en un recurso a largo plazo para ense\u00f1ar a los radi\u00f3logos. Estos esfuerzos brindan el potencial para permitir una evaluaci\u00f3n m\u00e1s r\u00e1pida del paciente en Accidentes y Emergencias, ahorrar tiempo a los m\u00e9dicos y aumentar la seguridad y la coherencia de la atenci\u00f3n en todo el Reino Unido. <\/p>\n
Con el documento de GigaScience que describe c\u00f3mo acceder a este recurso de datos abiertos, los datos de capacitaci\u00f3n del NCCID est\u00e1n disponibles para usuarios de cualquier parte del mundo, incluidos desarrolladores de software, acad\u00e9micos y m\u00e9dicos, a trav\u00e9s de un riguroso proceso de solicitud de acceso a datos. La base de datos nacional de im\u00e1genes del t\u00f3rax de Covid (NCCID) es uno de los conjuntos de datos m\u00e1s grandes de su tipo y est\u00e1 en continuo crecimiento, con 25 fideicomisos del NHS y m\u00e1s de 25 fideicomisos del NHS y 27 hospitales contribuyendo. Recopilaci\u00f3n de datos de im\u00e1genes de m\u00e1s de 10\u00a0000 pacientes en el conjunto de capacitaci\u00f3n NCCID para poner a disposici\u00f3n 34\u00a0559 estudios de im\u00e1genes y 1663 GB de datos.<\/p>\n
Recopilados con el objetivo de apoyar una mejor comprensi\u00f3n del virus COVID-19 y desarrollar tecnolog\u00eda que permitir\u00e1 la mejor atenci\u00f3n a los pacientes hospitalizados con una infecci\u00f3n grave. Es una iniciativa establecida por NHSX, la nueva unidad del gobierno del Reino Unido responsable de establecer pol\u00edticas nacionales y desarrollar las mejores pr\u00e1cticas para la tecnolog\u00eda, digital y datos del Servicio Nacional de Salud (NHS), incluido el intercambio de datos y la transparencia. Esto representa un esfuerzo nacional de radi\u00f3logos y equipos de TI en los sitios del NHS, la Sociedad Brit\u00e1nica de Im\u00e1genes Tor\u00e1cicas (BSTI), el Royal Surrey County Hospital (RSCH) y el NHS AI Lab han colaborado en un momento en que todos los equipos han tenido poca capacidad. para proyectos a largo plazo.<\/p>\n
Cuando se le pregunt\u00f3 sobre la utilidad de este trabajo, el primer autor Dominic Cushnan dice que \u00abla base de datos NCCID facilita la creaci\u00f3n de herramientas de diagn\u00f3stico habilitadas para IA que pueden aumentar y acelerar el diagn\u00f3stico cl\u00ednico de enfermedades (como COVID) y tambi\u00e9n respaldar estudios longitudinales sobre el efecto de la enfermedad en los pacientes y el manejo de la poblaci\u00f3n\u00bb<\/p>\n
Estos datos ya han sido utilizados por una serie de proyectos y estudios, como la herramienta LUCAS desarrollada para predecir Riesgo de mortalidad del paciente por covid a partir de las variables del paciente. Adem\u00e1s de una serie de modelos y algoritmos impulsados por inteligencia artificial para ayudar a los m\u00e9dicos a decidir qu\u00e9 acci\u00f3n tomar en primera l\u00ednea, como administrar ox\u00edgeno y medicamentos, antes de que los pacientes lleguen a una etapa cr\u00edtica. La colaboraci\u00f3n NHS AIX-COVNET de la Universidad de Cambridge es uno de los primeros proyectos en utilizar estos datos para desarrollar una herramienta de inteligencia artificial de c\u00f3digo abierto para respaldar el diagn\u00f3stico r\u00e1pido y la clasificaci\u00f3n de pacientes con COVID-19. <\/p>\n
Explore m\u00e1s<\/p>\n
La inteligencia artificial puede mejorar la forma en que se utilizan las im\u00e1genes de t\u00f3rax en la atenci\u00f3n de pacientes con COVID-19 M\u00e1s informaci\u00f3n:<\/strong> Cushnan D, et al, An Overview of the National COVID-19 Chest Base de datos de im\u00e1genes: calidad de datos y an\u00e1lisis de cohortes, Gigascience (2021). DOI: 10.1093\/gigascience\/giab076<\/p>\n Github: nhsx.github.io\/covid-chest-imaging-database\/ Informaci\u00f3n de la revista:<\/strong> GigaScience <\/p>\n","protected":false},"excerpt":{"rendered":" Imagen pulmonar no identificada representativa de la base de datos nacional de im\u00e1genes del t\u00f3rax COVID-19 (NCCID). Cr\u00e9dito: NCCID Collaborative Publicado hoy en la revista Open-Access, Open-Data GigaScience es la base de datos nacional de im\u00e1genes de t\u00f3rax COVID-19 (NCCID), una base de datos centralizada que contiene radiograf\u00edas de t\u00f3rax, tomograf\u00eda computarizada (TC) y resonancias … Continuar leyendo \u00abNuevo recurso de im\u00e1genes ayuda a la IA en la lucha contra el COVID-19\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-1722","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/1722","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=1722"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/1722\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=1722"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=1722"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=1722"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}