Radiograf\u00edas de t\u00f3rax de un paciente con neumon\u00eda por COVID-19, radiograf\u00eda original (izquierda) y resultado de IA para neumon\u00eda (derecha). El paciente tiene un marcapasos y un coraz\u00f3n agrandado, lo que indica que el algoritmo de IA es lo suficientemente potente como para funcionar incluso cuando el paciente tiene problemas de salud subyacentes. Cr\u00e9dito: Ciencias de la Salud de UC San Diego <\/p>\n
Para la mayor\u00eda de los pacientes que han muerto de COVID-19, la enfermedad pand\u00e9mica causada por un nuevo coronavirus, la causa principal de muerte fue la neumon\u00eda, una afecci\u00f3n en la que la inflamaci\u00f3n y la acumulaci\u00f3n de l\u00edquido dificultan la respirar. La neumon\u00eda grave a menudo requiere estad\u00edas prolongadas en el hospital en unidades de cuidados intensivos y asistencia respiratoria con ventiladores. Los dispositivos m\u00e9dicos ahora tienen una gran demanda en algunas ciudades que enfrentan un aumento repentino de casos de COVID-19. <\/p>\n
Para detectar r\u00e1pidamente la neumon\u00eda y, por lo tanto, distinguir mejor entre los pacientes con COVID-19 que probablemente necesiten m\u00e1s atenci\u00f3n de apoyo en el hospital y aquellos a los que se les podr\u00eda hacer un seguimiento de cerca en casa, los radi\u00f3logos y otros m\u00e9dicos de UC San Diego Health ahora est\u00e1n usando inteligencia artificial (IA) para aumentar an\u00e1lisis de im\u00e1genes pulmonares en un estudio de investigaci\u00f3n cl\u00ednica habilitado por Amazon Web Services (AWS).<\/p>\n
Hasta ahora, la nueva capacidad de IA ha brindado a los m\u00e9dicos de UC San Diego Health informaci\u00f3n \u00fanica sobre m\u00e1s de 2000 im\u00e1genes. En un caso, un paciente en el Departamento de Emergencias que no ten\u00eda ning\u00fan s\u00edntoma de COVID-19 se someti\u00f3 a una radiograf\u00eda de t\u00f3rax por otros motivos. Sin embargo, la lectura de AI de la radiograf\u00eda indic\u00f3 signos de neumon\u00eda temprana, que luego fue confirmada por un radi\u00f3logo. Como resultado, al paciente se le hizo la prueba de COVID-19 y result\u00f3 positivo para la enfermedad.<\/p>\n
\u00abNo habr\u00edamos tenido motivos para tratar a ese paciente como un caso sospechoso de COVID-19 o hacer la prueba , si no fuera por la IA\u00bb, dijo Christopher Longhurst, MD, director de informaci\u00f3n y director m\u00e9dico asociado de UC San Diego Health. \u00abSi bien a\u00fan est\u00e1 en fase de investigaci\u00f3n, el sistema ya est\u00e1 afectando el manejo cl\u00ednico de los pacientes\u00bb.<\/p>\n
La nueva capacidad comenz\u00f3 hace varios meses cuando Albert Hsiao, MD, Ph.D., profesor asociado de radiolog\u00eda en la Universidad de La Escuela de Medicina de California San Diego y radi\u00f3logo de UC San Diego Health, y su equipo, desarrollaron un algoritmo de aprendizaje autom\u00e1tico que permite a los radi\u00f3logos usar IA para mejorar sus propias habilidades para detectar neumon\u00eda en las radiograf\u00edas de t\u00f3rax. Entrenado con 22\u00a0000 anotaciones por radi\u00f3logos humanos, el algoritmo superpone rayos X con mapas codificados por colores que indican la probabilidad de neumon\u00eda.<\/p>\n
\u00abLa neumon\u00eda puede ser sutil, especialmente si no es la neumon\u00eda bacteriana promedio, y si pudi\u00e9ramos identificar a esos pacientes de manera temprana, incluso antes de que pueda detectarlos con un estetoscopio, podr\u00edamos estar mejor posicionados para tratar a aquellos con mayor riesgo de enfermedad grave y muerte\u00bb, dijo Hsiao.<\/p>\n
M\u00e1s recientemente, el equipo de Hsiao aplic\u00f3 este Enfoque de IA para 10 radiograf\u00edas de t\u00f3rax, publicadas en revistas m\u00e9dicas, de cinco pacientes tratados en China y Estados Unidos por COVID-19. El algoritmo localiz\u00f3 consistentemente \u00e1reas de neumon\u00eda, a pesar de que las im\u00e1genes fueron tomadas en varios hospitales diferentes, y variaban considerablemente en cuanto a t\u00e9cnica, contraste y resoluci\u00f3n. Los detalles se publican en el Journal of Thoracic Imaging.<\/p>\n
Albert Hsiao, MD, Ph.D., profesor asociado de radiolog\u00eda en la Facultad de Medicina de UC San Diego y radi\u00f3logo en UC San Diego Health, y el equipo desarrollaron un aprendizaje autom\u00e1tico algoritmo que permite a los radi\u00f3logos usar IA para mejorar sus propias habilidades para detectar neumon\u00eda en las radiograf\u00edas de t\u00f3rax. Cr\u00e9dito: Ciencias de la salud de UC San Diego <\/p>\n
Ahora, gracias a los cr\u00e9ditos de servicio donados por la Iniciativa de desarrollo de diagn\u00f3stico de AWS y los esfuerzos del equipo de TI de investigaci\u00f3n cl\u00ednica de UC San Diego Health, el m\u00e9todo de IA de Hsiao se ha implementado en UC San Diego Health en un estudio de investigaci\u00f3n cl\u00ednica que permite a cualquier m\u00e9dico o radi\u00f3logo obtener una estimaci\u00f3n inicial sobre la probabilidad de que un paciente tenga neumon\u00eda en cuesti\u00f3n de minutos, en el punto de atenci\u00f3n.<\/p>\n
\u00abAWS se ha asociado con nosotros en m\u00faltiples proyectos en el pasado \u201d, dijo Michael Hogarth, MD, profesor de inform\u00e1tica biom\u00e9dica en la Facultad de Medicina de UC San Diego y oficial de informaci\u00f3n de investigaci\u00f3n cl\u00ednica en UC San Diego Health. \u00abUna vez que COVID-19 se convirti\u00f3 en una crisis, AWS se comunic\u00f3 con nosotros y nos pregunt\u00f3 si hab\u00eda algo que pudieran hacer para ayudar. Mi mente inmediatamente se dirigi\u00f3 a una presentaci\u00f3n que hab\u00eda visto dar a Albert sobre sus pruebas iniciales de IA para la neumon\u00eda. AWS ayud\u00f3 a nuestros El equipo de TI de Clinical Research puso en marcha el estudio en todo el sistema en solo 10 d\u00edas\u00bb.<\/p>\n
Seg\u00fan Hsiao, las radiograf\u00edas de t\u00f3rax son m\u00e1s baratas, el equipo es m\u00e1s port\u00e1til y m\u00e1s f\u00e1cil de limpiar, y los resultados son regres\u00f3 m\u00e1s r\u00e1pidamente que muchos otros diagn\u00f3sticos. Las pruebas de diagn\u00f3stico cl\u00ednico basadas en la reacci\u00f3n en cadena de la polimerasa para el virus que causa el COVID-19 pueden tardar varios d\u00edas en arrojar resultados en algunas regiones de los EE. UU.<\/p>\n
\u00abAh\u00ed es donde las im\u00e1genes pueden desempe\u00f1ar un papel importante. Podemos clasificar r\u00e1pidamente pacientes al nivel de atenci\u00f3n apropiado, incluso antes de que se confirme oficialmente un diagn\u00f3stico de COVID-19\u00bb, dijo Hsiao.<\/p>\n
Para ser claros, los expertos de UC San Diego Health enfatizan que no est\u00e1n diagnosticando COVID-19 en s\u00ed mismo por pulm\u00f3n. formaci\u00f3n de im\u00e1genes La neumon\u00eda puede ser causada por varios tipos diferentes de bacterias y virus. Adem\u00e1s, el uso del algoritmo de IA de Hsiao a\u00fan se considera en fase de investigaci\u00f3n. Si bien estas im\u00e1genes est\u00e1n disponibles para que las usen los m\u00e9dicos, la atenci\u00f3n al paciente sigue estando guiada por la interpretaci\u00f3n formal de los radi\u00f3logos humanos.<\/p>\n
\u00abMientras nos preparamos para un aumento potencial de pacientes con COVID-19, no se trata solo de las habitaciones de los pacientes y suministros que pueden volverse limitados, pero tambi\u00e9n la capacidad de los m\u00e9dicos y el personal\u00bb, dijo Longhurst. \u00abPor lo tanto, es tremendamente \u00fatil contar con herramientas que permitan a los m\u00e9dicos que no tienen tanta experiencia como los radi\u00f3logos en la lectura de radiograf\u00edas tener una idea r\u00e1pida de lo que est\u00e1n viendo, especialmente los m\u00e9dicos de primera l\u00ednea de emergencia y los m\u00e9dicos de hospitales\u00bb.<\/p>\n
Luego, el equipo de Salud de UC San Diego espera expandir el estudio impulsado por IA para detectar neumon\u00eda a los otros cuatro centros m\u00e9dicos acad\u00e9micos de la Universidad de California.<\/p>\n
\u00abComo centro m\u00e9dico acad\u00e9mico, estamos siempre buscando formas de llevar las innovaciones al lado de la cama\u00bb, dijo Longhurst. \u00abAunque necesitamos m\u00e1s estudios para evaluar la efectividad de este algoritmo y mejorar su precisi\u00f3n a medida que atendemos a m\u00e1s pacientes, lo que estamos viendo hasta ahora es evidencia de que este enfoque podr\u00eda ser una herramienta poderosa para que los proveedores de atenci\u00f3n m\u00e9dica brinden servicios m\u00e1s confiables y tempranos\u00bb. diagn\u00f3sticos de COVID-19 y otras infecciones\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Investigadores chinos detallan los hallazgos de la TC de t\u00f3rax en la neumon\u00eda por enfermedad por coronavirus (COVID-19) M\u00e1s informaci\u00f3n:<\/strong> Brian Hurt et al. Localizaci\u00f3n de aprendizaje profundo de la neumon\u00eda, Journal of Thoracic Imaging (2020). DOI: 10.1097\/RTI.0000000000000512 Proporcionado por la Universidad de California – San Diego Cita<\/strong>: La inteligencia artificial permite el an\u00e1lisis de im\u00e1genes pulmonares de COVID-19 (2020, 7 de abril) recuperado el 31 de agosto de 2022 de https:\/\/medicalxpress. com\/news\/2020-04-artificial-intelligence-enables-covid-lung.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Radiograf\u00edas de t\u00f3rax de un paciente con neumon\u00eda por COVID-19, radiograf\u00eda original (izquierda) y resultado de IA para neumon\u00eda (derecha). El paciente tiene un marcapasos y un coraz\u00f3n agrandado, lo que indica que el algoritmo de IA es lo suficientemente potente como para funcionar incluso cuando el paciente tiene problemas de salud subyacentes. Cr\u00e9dito: Ciencias … Continuar leyendo \u00abLa inteligencia artificial permite el an\u00e1lisis de im\u00e1genes pulmonares de 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-25061","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/25061","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=25061"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/25061\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=25061"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=25061"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=25061"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}