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
ZeptoMetrix an Antylia scientific company

Deascargar La Aplicación Móvil





Sistema de IA diferencia la COVID-19 de la influenza y otras enfermedades respiratorias en menos de tres segundos

Por el equipo editorial de LabMedica en español
Actualizado el 09 Nov 2020
Ilustración
Ilustración
Un sistema nuevo de inteligencia artificial (IA) puede ayudar a los médicos a diferenciar la COVID-19 de la gripe y otras enfermedades respiratorias, en menos de tres segundos.

El sistema de inteligencia artificial desarrollado por científicos de la Universidad de Tsinghua (Beijing, China) identifica las diferencias en las tomografías computarizadas de los pacientes para diferenciar con exactitud entre estas enfermedades. En medio de la inminente temporada de influenza y la creciente amenaza de una segunda ola de infecciones por COVID-19 en todo el mundo, el sistema de inteligencia artificial permitirá a los trabajadores de la salud diferenciar entre las dos enfermedades respiratorias con síntomas similares.

Los investigadores desarrollaron y evaluaron el sistema de diagnóstico COVID-19 basado en aprendizaje profundo utilizando datos multicéntricos de clases múltiples, que incluyeron 11.356 tomografías computarizadas de 9.025 individuos entre los que se encontraban pacientes de COVID-19, neumonía adquirida en la comunidad (NAC), influenza y no neumonía. Los sujetos con NAC incluidos en la base de datos eran todos NAC no virales. En una tarea de diagnóstico de clases múltiples tan difícil, el sistema basado en la red neuronal convolucional profunda pudo lograr un área bajo la curva característica de funcionamiento del receptor (AUC) del 97,81% para la clasificación multidireccional en la cohorte de prueba de 3.199 exámenes, AUC de 92,99% y 93,25% en dos conjuntos de datos disponibles públicamente, CC-CCII y MosMedData respectivamente. En un estudio de lectores que involucró a cinco radiólogos, el sistema de inteligencia artificial superó a todos los radiólogos en la tareas más desafiantes a una velocidad de dos órdenes de magnitud por encima de ellos.

En general, el sistema de inteligencia artificial se validó de manera integral en grandes conjuntos de datos de clases múltiples con un mayor desempeño diagnóstico que los expertos humanos para el diagnóstico de la COVID-19. A diferencia de los enfoques clásicos de aprendizaje profundo de caja negra, al visualizar el sistema de inteligencia artificial y aplicar el análisis radiómico, puede decodificar la representación efectiva de COVID-19 en las imágenes de TC y potencialmente conducir al descubrimiento de nuevos biomarcadores. Los radiólogos pueden realizar un diagnóstico individualizado de la COVID-19 con el sistema de inteligencia artificial, lo que agrega una nueva fuerza impulsora a la lucha contra la propagación global del brote.

Enlace relacionado:
Universidad de Tsinghua

Miembro Platino
PRUEBA DE INMUNOENSAYO DE XILAZINA
Xylazine ELISA
Verification Panels for Assay Development & QC
Seroconversion Panels
PRUEBA DE ANTIPÉPTIDO CÍCLICO CITRULINADO
GPP-100 Anti-CCP Kit
Miembro Oro
ANALIZADOR DE VSG
miniiSED™

Canales

Química Clínica

ver canal
Imagen: la QIP-MS podría predecir y detectar la recaída del mieloma más temprano en comparación con las técnicas utilizadas actualmente (foto cortesía de Adobe Stock)

Monitorización con espectrometría de masas predice e identifica recaída temprana del mieloma

El mieloma, un tipo de cáncer que afecta la médula ósea, es actualmente incurable, aunque muchos pacientes pueden vivir más de 10 años tras el diagnóstico.... Más

Inmunología

ver canal
Imagen: la prueba de células madre del cáncer puede elegir con precisión tratamientos más efectivos (fotografía cortesía de la Universidad de Cincinnati)

Prueba de células madre predice resultado del tratamiento en cáncer de ovario resistente al platino

El cáncer de ovario epitelial suele responder inicialmente a la quimioterapia, pero con el tiempo, el tumor desarrolla resistencia a la terapia, lo que provoca su recrecimiento. Esta resistencia... Más

Tecnología

ver canal
Imagen: Ziyang Wang y Shengxi Huang han desarrollado una herramienta que permite ideas precisas sobre proteínas virales y marcadores de enfermedades cerebrales (foto cortesía de Jeff Fitlow/Universidad Rice)

Algoritmo de firma ligera permite diagnósticos médicos más rápidos y precisos

Cada material o molécula interactúa con la luz de forma única, creando un patrón distintivo, similar a una huella dactilar. La espectroscopia óptica, que consiste en... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.