RSNA anuncia reto de IA para la hemorragia intracraneal

El desafío de detección de neumonía del año pasado tuvo más de 1.400 equipos. Este año, los investigadores trabajan para desarrollar algoritmos que puedan identificar y clasificar subtipos de hemorragias en las tomografías computarizadas de la cabeza. El conjunto de datos, que comprende más de 25.000 tomografías computarizadas de la cabeza contribuidas por varias instituciones de investigación, es el primer conjunto de datos multiplanar utilizado en un Desafío de IA de la RSNA. El Subcomité de Dirección de Aprendizaje Automático trabajó con especialistas voluntarios de la Sociedad Estadounidense de Neurorradiología (ASNR) para etiquetar estos exámenes en busca de la presencia de cinco subtipos de hemorragia intracraneal, un esfuerzo de alcance sin precedentes en la comunidad radiológica.

El 3 de septiembre, se lanzó la primera ola de datos a los investigadores que trabajan para desarrollar y “entrenar” algoritmos. La fase de capacitación se extiende hasta el 4 de noviembre. Durante esta fase, los participantes utilizarán un conjunto de datos de capacitación que incluye las etiquetas de los radiólogos para desarrollar algoritmos que reproduzcan esas anotaciones. Durante la fase de evaluación, del 4 al 11 de noviembre, los participantes aplicarán sus algoritmos a la parte de prueba del conjunto de datos, que se les proporciona con las anotaciones retenidas. Sus resultados se compararán con las anotaciones en el conjunto de datos de prueba, y se aplicará una métrica de evaluación para calificar su exactitud y determinar los ganadores. Los resultados se anunciarán en noviembre y las presentaciones principales serán reconocidas en el Teatro de Exposiciones de IA durante el congreso anual de la RSNA que se realizará del 1 al 6 de diciembre en el McCormick Place, Chicago, EUA.

“El objetivo de un desafío de IA es explorar y demostrar las formas en que la IA puede beneficiar a la radiología y mejorar el diagnóstico clínico”, dijo Luciano Prevedello, M.D, M.P.H., presidente del Subcomité de Dirección de Aprendizaje Automático del Comité de Informática de Radiología de la RSNA. “Al organizar estos desafíos de datos, la RSNA desempeña un papel fundamental para demostrar las capacidades del aprendizaje automático y fomentar el desarrollo de la inteligencia artificial para mejorar la atención a los pacientes”.

Enlace relacionado:
Sociedad Norteamericana de Radiología