Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Algoritmo de IA reduce la exposición innecesaria a la radiación en las TC neurorradiológicas traumáticas

Por el equipo editorial de MedImaging en español
Actualizado el 07 Oct 2024
Print article
Imagen: Comparación de la reconstrucción iterativa (IR2) y la eliminación de ruido basada en aprendizaje profundo (DLD) al 100% mAs y 25% mAs en una TC cerebral sin contraste en un paciente con una lesión cerebral traumática (foto cortesía de Academic Radiology; doi.org/10.1016/j.acra.2024.08.018)
Imagen: Comparación de la reconstrucción iterativa (IR2) y la eliminación de ruido basada en aprendizaje profundo (DLD) al 100% mAs y 25% mAs en una TC cerebral sin contraste en un paciente con una lesión cerebral traumática (foto cortesía de Academic Radiology; doi.org/10.1016/j.acra.2024.08.018)

Las emergencias neurorradiológicas traumáticas abarcan afecciones que requieren un diagnóstico inmediato y preciso para un tratamiento eficaz y resultados óptimos para el paciente. Estas emergencias pueden incluir lesiones en el cerebro o la médula espinal. La tomografía computarizada (TC) es una de las técnicas de diagnóstico por imágenes más utilizadas en tales situaciones debido a su disponibilidad y velocidad, lo que la convierte en una herramienta vital en los departamentos de emergencia para evaluar la gravedad de las lesiones y guiar el tratamiento. Sin embargo, una limitación significativa de las tomografías computarizadas es la relación entre la dosis de radiación y la calidad de la imagen. Las TC implican la exposición a la radiación ionizante, lo que plantea un riesgo potencial a largo plazo para los pacientes, incluido el desarrollo de cáncer. Recientemente, han surgido algoritmos de reconstrucción de inteligencia artificial (IA) modernos, ofreciendo la posibilidad de reducir las dosis de radiación mientras se mantiene una alta calidad de imagen. Estos algoritmos de IA podrían minimizar los riesgos asociados con la radiación ionizante y mejorar los resultados del paciente, aunque no se ha estudiado en profundidad hasta qué punto reducen la exposición a la radiación en las TC neurorradiológicas traumáticas.

Para abordar este problema, los investigadores de la Universidad Eberhard Karls de Tubinga (Tubinga, Alemania) llevaron a cabo un estudio comparativo para evaluar el rendimiento de un algoritmo de eliminación de ruido basado en aprendizaje profundo (DLD) en tomografías computarizadas de pacientes con emergencias neurorradiológicas traumáticas. Propusieron que el uso de estos algoritmos podría permitir imágenes de alta calidad con dosis de radiación reducidas, mejorando así la atención al paciente al minimizar la exposición innecesaria a la radiación. El estudio retrospectivo de un solo centro involucró a 100 pacientes que se habían sometido a tomografías computarizadas de trauma neurorradiológico. Se procesaron exploraciones simuladas de dosis completa (100 %) y de dosis baja (25 %) utilizando reconstrucción iterativa (IR2) y el algoritmo DLD. Cuatro neurorradiólogos evaluaron la calidad subjetiva y objetiva de las imágenes, junto con un análisis de puntos finales clínicos. La sensibilidad y especificidad bayesianas se calcularon con intervalos de credibilidad del 95 %.

El estudio descubrió que el algoritmo DLD produjo imágenes de TC de alta calidad y totalmente diagnósticas con solo el 25 % de la dosis de radiación estándar, lo que demuestra su potencial para mejorar la atención al paciente al reducir la exposición innecesaria a la radiación. La capacidad del algoritmo para mantener la calidad de la imagen con dosis de radiación significativamente más bajas resalta su potencial para abordar las preocupaciones sobre la exposición a la radiación, en particular en el contexto del uso frecuente de TC de cabeza en emergencias neurorradiológicas. Este problema ha sido una preocupación creciente tanto para los pacientes como para los médicos, en particular en relación con los riesgos cancerígenos asociados con la exposición a la radiación a largo plazo, especialmente en pacientes más jóvenes. Los hallazgos de este estudio contribuyen a los esfuerzos en curso para reducir las dosis de radiación en las imágenes médicas y enfatizan la importancia de una mayor investigación sobre las técnicas de reducción de dosis.

Enlaces relacionados:
Universidad Eberhard Karls de Tubinga

New
Mobile Cath Lab
Photon F65/F80
Radiation Therapy Treatment Software Application
Elekta ONE
Digital Radiographic System
OMNERA 300M
New
Specimen Radiography System
Trident HD

Print article

Canales

Radiografía

ver canal
Imagen: la evaluación FFR impulsada por IA es comparable a la evaluación convencional (foto cortesía de 123RF)

Técnica de imágenes con IA se muestra prometedora en la evaluación de pacientes para ICP

La intervención coronaria percutánea (ICP), también conocida como angioplastia coronaria, es un procedimiento mínimamente invasivo en el que se insertan pequeños tubos... Más

RM

ver canal
Imagen: Comparación que muestra exploraciones 3T y 7T para el mismo participante (foto cortesía de P Simon Jones/University of Cambridge)

Imágenes por RM ultrapotentes permiten cirugías en pacientes con epilepsia resistente al tratamiento

Aproximadamente 360.000 personas en el Reino Unido padecen epilepsia focal, una afección en la que las convulsiones se propagan desde una parte del cerebro. Alrededor de un tercio de estos pacientes... Más

Medicina Nuclear

ver canal
Imágenes PET/TC con 68Ga-FZ-NR-1 e imágenes PET/TC y PET/RM con 18F-FDG en pacientes representativos con TNBC con nectina-4 positiva (foto cortesía del Journal of Nuclear Medicine)

Nuevo radiotrazador identifica biomarcador para el cáncer de mama triple negativo

El cáncer de mama triple negativo (CMTN), que representa entre el 15 % y el 20 % de todos los casos de cáncer de mama, es uno de los subtipos más agresivos, con una tasa de supervivencia a cinco años de... Más

TI en Imaginología

ver canal
Imagen: La nueva Medical Imaging Suite hace que los datos de imágenes de atención médica sean más accesibles, interoperables y útiles (Fotografía cortesía de Google Cloud)

Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles

Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.