Publicación de Oftalmólogo al Día

Inteligencia artificial para el diagnóstico de la degeneración macular senil exudativa (DMSe): Evidencia de certeza baja a muy baja apunta a que una prueba basada en algoritmos podría identificar correctamente a la mayoría de las personas con DMSe sin un aumento innecesario de derivaciones (falsos positivos) ni en los ámbitos de atención primaria ni en los de atención especializada. Antecedentes: La degeneración macular senil (DMS) es un trastorno de la retina caracterizado por daño retiniano central (macular). Alrededor de entre el 10% y el 20% de los casos de DMS no exudativa progresan a la forma exudativa, lo que puede dar lugar a un deterioro rápido de la visión central. Las personas con DMS exudativa (DMSe) precisan de una consulta inmediata con especialistas en retina para minimizar el riesgo y el grado de pérdida de visión. Los métodos tradicionales de diagnóstico de la enfermedad oftálmica se basan en la evaluación clínica y en varias técnicas de diagnóstico por la imagen, que pueden consumir muchos recursos. Las pruebas que aprovechan la inteligencia artificial (IA) prometen identificar y categorizar automáticamente las características patológicas, lo que permite el diagnóstico y el tratamiento oportunos de la DMSe. Objetivos: Determinar la exactitud diagnóstica de la inteligencia artificial (IA) como herramienta de cribado de la degeneración macular senil exudativa (DMSe). .../... Conclusiones de los autores: Evidencia de certeza baja a muy baja apunta a que una prueba basada en algoritmos podría identificar correctamente a la mayoría de las personas con DMSe sin un aumento innecesario de derivaciones (falsos positivos) ni en los ámbitos de atención primaria ni en los de atención especializada. Hubo inquietudes significativas con respecto a aplicar los resultados de la revisión debido a las variaciones en la prevalencia de la DMSe en los estudios incluidos. Además, entre las pruebas basadas en algoritmos incluidas, las estimaciones de exactitud diagnóstica estuvieron en riesgo de sesgo porque los participantes del estudio no reflejaron las características del mundo real, por la validación insuficiente del modelo y por la probabilidad de que hubiera informe selectivo de los resultados. La poca calidad y cantidad de algoritmos validados externamente destacaron que se necesita evidencia de certeza alta. Esta evidencia requerirá una definición estandarizada de la DMSe en las distintas modalidades de diagnóstico por la imagen y la validación externa del algoritmo para evaluar su generalizabilidad. https://lnkd.in/edKEJPvK

🩺 Nueva columna en AIpocrates Tanque de pensamiento : "El Corazón del Algoritmo: Inteligencia Artificial en Cardiopatías Congénitas" 🧬💡 Explora cómo la IA está revolucionando el diagnóstico y tratamiento de estas complejas afecciones cardíacas, desde el cribado prenatal hasta la planificación quirúrgica. ¡Una herramienta clave para salvar vidas y mejorar la calidad de vida! #SaludDigital #IAenMedicina #Cardiopatías

🌐 La retinopatía diabética es una de las principales causas de ceguera a nivel mundial, pero gracias a Retina IA, un proyecto pionero en el uso de inteligencia artificial, ahora es posible detectarla de manera temprana y eficiente. Descubre cómo esta innovadora solución está transformando la atención médica y ayudando a miles de personas a proteger su vista. 👁️ 👉 Lee el artículo completo para conocer más sobre este avance https://bit.ly/4dDNb7m #InteligenciaArtificial #SaludDigital #RetinopatíaDiabética #DetecciónTemprana #TecnologíaMédica #InnovaciónEnSalud #IAEnMedicina #SaludVisual #TransformaciónDigital #DiagnósticoConIA #RetinaIA #AtenciónMédica #SaludOcular

Esta es una colonoscopía que ha sido hecha con IA. Este es un desarrollo del MIT que implica el uso de 3 escaneos independientes que les permiten predecir de forma muy acertada si la persona tendrá cáncer en el próximo año. Y acierta el 94% de las veces. Usualmente un radiólogo busca nódulos o una masa, pero la IA es capaz de ver a un nivel de cercanía tan grande en una de esas imágenes, es decir, píxel por píxel que es capaz de encontrar patrones de data asociados al cáncer inclusive antes de que un tumor aparezca. También es aplicable a ecografías de mamas, por ejemplo. La IA tiene un mejor ojo que el humano, no solo eso, puede ver una cantidad de casos que un cirujano no puede ver en su tiempo de vida.

La exponencialidad que aporta la IA en al mundo de la investigación y diagnósticos clínicos es ya una realidad que va a permitir a los médicos dedicar más tiempo a sus pacientes. La IA aplicada a la medicina y a la salud es la gran revolución. Una herramienta de IA, llamada Mia, ha permitido identificar en Reino Unido pequeños signos de cáncer de seno en once mujeres que habían pasado desapercibidos a la revisión de los médicos. Y esto es solo el principio. Sarah Kerruish, directora de estrategia de Kheiron Medical, dice que en tu trabajo "tienes interrupciones, tienes alguien que entra, otro que habla en el consultorio vecino. Hay muchas cosas que intervienen en tu trabajo diario. Y hay esos días en que estás distraído y es cuando puede pasar, ‘¿cómo se me pasó esto?’ Pero pasa” BBC News explica que las herramientas de IA funcionan muy bien a la hora de identificar signos de una enfermedad específica, gracias a la cantidad de datos que les permitan realizar el diagnóstico. https://cutt.ly/5eocgIyR

La IA revoluciona la detección temprana de enfermedades y promete “revertir la edad biológica” Mediante el escaneo de cuerpo entero impulsado por este tipo de tecnología, se pueden identificar más de 500 condiciones médicas en menos de una hora En un avance significativo hacia la prevención temprana de enfermedades y la mejora de la calidad de vida, se ha anunciado una colaboración entre Prenuvo y Cenegenics, dos pioneros en el ámbito de la tecnología médica y la gestión del envejecimiento. A través de este enlace estratégico, Cenegenics integrará la innovadora tecnología de escaneo de cuerpo entero impulsada por inteligencia artificial (IA) de Prenuvo, la cual es capaz de identificar más de 500 condiciones médicas, incluyendo tumores, aneurismas, y quistes, en menos de una hora. https://lnkd.in/df58u-vY

¿Qué mejoras aporta la digitalización de los procesos diagnósticos junto con las herramientas de inteligencia artificial? . La digitalización de la muestra en anatomía patológica aporta precisión en el diagnóstico global del paciente oncológico. . Las herramientas de inteligencia artificial aplicadas a anatomía patológica nos permiten ser más precisos e ir un paso más allá, del obtenido únicamente con la digitalización de las imágenes. . El análisis de la información arrojado por las herramientas de inteligencia artificial empleadas en HT médica, tienen como resultado un informe final común entre especialidades médicas: preciso y rápido en la lectura de resultados. . Este sistema de diagnóstico integral sitúa a #HTMédica como líderes expertos en vanguardia médica a la hora de no solo detallar la estructura de un tumor, sino en observar y predecir cómo este va a comportarse. . . #HTContigo #EquipoHTMédica #Innovación #ImagenAvanzada #ResonanciaMagnética #InteligenciaArtificial #RM #HTMédica #salud #IA

DISEÑO DE UN ALGORITMO SEMI-AUTOMATIZADO PARA LA MEDICIÓN DE LA TRANSLUCENCIA NUCAL EN IMÁGENES DE ULTRASONIDO PARA SCAN FETAL ¡Hola red! En esta ocasión, quería comentarles sobre un proyecto que desarrollamos junto a Ivo Bajlec y Camila Noemi Pereira para la materia de Procesamiento de Señales e Imágenes Biomédicas (PSIB) en ITBA Universidad. La translucencia nucal (TN) es una medición que se realiza entre las semanas 11 a 13 de embarazo sobre imágenes de ultrasonido en el plano sagital por vía abdominal. La misma consiste en hallar el ancho de un área anecogénica entre dos línea hiperecogénicas que se encuentran en la parte dorsal del feto. Esta medida, en condiciones normales, no suele exceder los 3 mm. Sin embargo, las TN aumentadas (mayores a 3.5 mm) están fuertemente correlacionadas con fallas congénitas como trisomías en los pares 18 y 21. La medición de la TN es operador dependiente: el ecografista debe seleccionar los puntos que considere que mejor representen al ancho del anecogénica. En nuestro proyecto, propusimos e implementamos un método semiautomatizado para reducir la dependencia del operador en la medición, obteniendo resultados replicables entre distintos operadores. Para ello, el usuario deberá simplemente indicar un punto cualquiera dentro del área anecogénica, y luego un algoritmo basado en ténicas de segmentación de imágenes estimará la medición de la TN. Esto último se logró mediante el ajuste de una elipse al borde del área involucrada, utilizando técnicas de minimización del error cuadrático medio. Agradecemos a la cátedra de PSIB por acompañarnos en este proyecto: Aylin Vazquez Chenlo, Francisco Joaquín Tassara, Victoria Reppucci, y Roberto Sebastián Tomás. A futuro, esperamos poder seguir desarrollando esta idea, evaluando la posibilidad de integrarla en equipos biomédicos e incorporando nuevas herramientas de inteligencia artificial.

La inteligencia artificial ya está ayudando a los médicos a detectar enfermedades como el glaucoma y la retinopatía diabética en etapas tempranas. En estas diapositivas, te explicamos cómo funcionan estos algoritmos y qué papel jugarán en el futuro de la oftalmología.

La Inteligencia Artificial: Un Aliado en la Detección de Mamografías