Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico <\/p>\n
La sala de emergencias y las cl\u00ednicas de atenci\u00f3n urgente suelen estar ocupadas y los pacientes a menudo tienen que esperar muchas horas antes de que puedan ser vistos, evaluados y recibidos. tratamiento. Esperar a que los radi\u00f3logos interpreten las radiograf\u00edas puede contribuir a este largo tiempo de espera porque los radi\u00f3logos a menudo leen las radiograf\u00edas de una gran cantidad de pacientes. <\/p>\n
Un nuevo estudio ha descubierto que la inteligencia artificial (IA) puede ayudar a los m\u00e9dicos a interpretar las radiograf\u00edas despu\u00e9s de una lesi\u00f3n y sospecha de fractura.<\/p>\n
\u00abNuestro algoritmo de IA puede detectar r\u00e1pida y autom\u00e1ticamente las radiograf\u00edas que son positivo para fracturas y marca esos estudios en el sistema para que los radi\u00f3logos puedan priorizar la lectura de rayos X con fracturas positivas. El sistema tambi\u00e9n resalta las regiones de inter\u00e9s con cuadros delimitadores alrededor de las \u00e1reas donde se sospechan fracturas. Esto puede contribuir potencialmente a reducir el tiempo de espera en el tiempo de visita al hospital o a la cl\u00ednica antes de que los pacientes puedan obtener un diagn\u00f3stico positivo de fractura\u00bb, explic\u00f3 Ali Guermazi, MD, Ph.D., jefe de radiolog\u00eda en VA Boston Healthcare System y profesor de Radiolog\u00eda y Medicina en la Facultad de Medicina de la Universidad de Boston ( BUSM).<\/p>\n
Los errores de interpretaci\u00f3n de fracturas representan hasta el 24 por ciento de los errores de diagn\u00f3stico perjudiciales observados en el departamento de emergencias. Adem\u00e1s, las inconsistencias en el diagn\u00f3stico radiogr\u00e1fico de fracturas son m\u00e1s comunes durante las horas de la tarde y la noche (5 p. m. a 3 a. m.), probablemente relacionadas con lecturas no expertas y fatiga.<\/p>\n
El algoritmo de IA (AI BoneView), recibi\u00f3 capacitaci\u00f3n en una gran cantidad de radiograf\u00edas de m\u00faltiples instituciones para detectar fracturas de las extremidades, la pelvis, el torso y la columna lumbar y la caja tor\u00e1cica. Lectores humanos expertos (radi\u00f3logos musculoesquel\u00e9ticos, que son m\u00e9dicos radi\u00f3logos subespecializados despu\u00e9s de recibir capacitaci\u00f3n enfocada en la lectura de radiograf\u00edas \u00f3seas) definieron el est\u00e1ndar de oro en este estudio y compararon el desempe\u00f1o de los lectores humanos con y sin asistencia de IA.<\/p>\n
Se utiliz\u00f3 una variedad de lectores para simular el escenario de la vida real, incluidos radi\u00f3logos, cirujanos ortop\u00e9dicos, m\u00e9dicos de urgencias y asistentes m\u00e9dicos, reumat\u00f3logos y m\u00e9dicos de familia, todos los cuales leen radiograf\u00edas en la pr\u00e1ctica cl\u00ednica real para diagnosticar fracturas en sus pacientes. La precisi\u00f3n diagn\u00f3stica de fracturas de cada lector, con y sin asistencia de IA, se compar\u00f3 con el est\u00e1ndar de oro. Tambi\u00e9n evaluaron el rendimiento diagn\u00f3stico de la IA sola frente al est\u00e1ndar de oro. La asistencia de IA ayud\u00f3 a reducir las fracturas no detectadas en un 29 % y aument\u00f3 la sensibilidad de los lectores en un 16 %, y en un 30 % para ex\u00e1menes con m\u00e1s de 1 fractura, al tiempo que mejor\u00f3 la especificidad en un 5 %.<\/p>\n
Guermazi cree que la IA puede ser una poderosa herramienta para ayudar a los radi\u00f3logos y otros m\u00e9dicos a mejorar el rendimiento del diagn\u00f3stico y aumentar la eficiencia, al tiempo que mejora potencialmente la experiencia del paciente en el momento de la visita al hospital o la cl\u00ednica. \u00abNuestro estudio se centr\u00f3 en el diagn\u00f3stico de fracturas, pero un concepto similar se puede aplicar a otras enfermedades y trastornos. Nuestro inter\u00e9s de investigaci\u00f3n en curso es c\u00f3mo utilizar mejor la IA para ayudar a los proveedores de atenci\u00f3n m\u00e9dica humana a mejorar la atenci\u00f3n al paciente, en lugar de hacer que la IA reemplace a los proveedores de atenci\u00f3n m\u00e9dica humana\u00bb. . Nuestro estudio mostr\u00f3 uno de esos ejemplos\u00bb, agreg\u00f3.<\/p>\n
Estos hallazgos aparecen en l\u00ednea en la revista Radiology. <\/p>\n
Explore m\u00e1s<\/p>\n
Los investigadores usan IA para detectar fracturas de mu\u00f1eca M\u00e1s informaci\u00f3n:<\/strong> Ali Guermazi et al, Improving Radiographic Fracture Recognition Performance and Efficiency Using Artificial Intelligence, Radiology (2021). DOI: 10.1148\/radiol.210937 Informaci\u00f3n de la revista:<\/strong> Radiolog\u00eda <\/p>\n Proporcionado por la Facultad de Medicina de la Universidad de Boston Cita<\/strong>: Un estudio encuentra que la inteligencia artificial detecta con precisi\u00f3n las fracturas en las radiograf\u00edas ( 2021, 21 de diciembre) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2021-12-artificial-intelligence-accurately-fractures-x-rays.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":" Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico La sala de emergencias y las cl\u00ednicas de atenci\u00f3n urgente suelen estar ocupadas y los pacientes a menudo tienen que esperar muchas horas antes de que puedan ser vistos, evaluados y recibidos. tratamiento. Esperar a que los radi\u00f3logos interpreten las radiograf\u00edas puede contribuir a este largo tiempo de espera porque los … Continuar leyendo \u00abEstudio encuentra que la inteligencia artificial detecta con precisi\u00f3n fracturas en rayos X\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-4030","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/4030","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=4030"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/4030\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=4030"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=4030"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=4030"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}