Una nueva investigación ha encontrado que un novedoso sistema de Inteligencia Artificial IA puede reducir drásticamente el tiempo necesario para garantizar que las radiografías de tórax anormales con hallazgos críticos reciban la opinión de un radiólogo experto antes, reduciendo la demora promedio de 11 días a menos de3 días. Las radiografías de tórax se realizan de forma rutinaria para diagnosticar y controlar una amplia gama de afecciones que afectan los pulmones, el corazón, los huesos y los tejidos blandos.
Investigadores de WMG en la Universidad de Warwick, en colaboración con los hospitales del NHS de Guy y St Thomas, extrajeron un conjunto de datos de medio millón de radiografías de tórax rayos X de adultos anonimizados y desarrollaron un sistema de inteligencia artificial para la visión por computadora que puede reconocer anomalías radiológicas enradiografías en tiempo real y sugieren la rapidez con la que un radiólogo debe informar estos exámenes. En el proceso de construcción del sistema de IA, el equipo desarrolló y validó un algoritmo de procesamiento del lenguaje natural NLP que puede leer un informe radiológico,comprender los hallazgos mencionados por el radiólogo informante e inferir automáticamente el nivel de prioridad del examen. Al aplicar este algoritmo a los exámenes históricos, el equipo generó un gran volumen de exámenes de capacitación que permitieron al sistema de inteligencia artificial comprender qué patrones visuales en X-rayos eran predictivos de su nivel de urgencia.
El equipo de investigación, dirigido por el profesor Giovanni Montana, presidente de ciencia de datos en WMG en la Universidad de Warwick, encontró que las radiografías de tórax normales se detectaron con un valor predicho positivo del 73% y un valor predicho negativo del 99%, y enuna velocidad que significó que las radiografías anormales con hallazgos críticos podrían priorizarse para recibir la opinión de un radiólogo experto mucho antes que la práctica habitual.
El profesor Giovanni Montana de WMG dijo: "Los informes de imágenes dirigidos por inteligencia artificial podrían ser una herramienta valiosa para mejorar el flujo de trabajo del departamento y la eficiencia de la fuerza laboral. Las crecientes demandas clínicas de los departamentos de radiología en todo el mundo han desafiado los modelos actuales de prestación de servicios, particularmente en los sistemas de salud financiados con fondos públicos. Ya no es posible que muchos departamentos de radiología con su dotación actual de personal notifiquen todas las radiografías simples adquiridas de manera oportuna, lo que genera una gran acumulación de estudios no notificados. En el Reino Unido, se estima que en cualquier momento hay más de 300.000radiografías que esperan más de 30 días para la notificación. Los resultados de esta investigación muestran que los modelos alternativos de atención, como los algoritmos de visión por computadora, podrían usarse para reducir en gran medida las demoras en el proceso de identificación y actuación en radiografías anormales, particularmente para el tóraxradiografías que representan el 40% de todas las imágenes de diagnóstico realizadas en todo el mundo. La aplicación de estasLas tecnologías también se extienden a muchas otras modalidades de imágenes, incluidas la resonancia magnética y la tomografía computarizada ".
Fuente de la historia :
Materiales proporcionado por Universidad de Warwick . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :