Especialistas de Harvard detectan patologías con rayos X tórax sin necesidad de supervisión médica

Investigadores de Ciencias de la Computación de la Universidad de Stanford y del departamento de Informática Biomédica de la Universidad de Harvard, realizaron un estudio en el cual se detectó de patologías a nivel experto, a partir de imágenes de rayos X de tórax, sin anotaciones a través del aprendizaje autosupervisado.

El estudio publicado en la revista Nature determinó que en tareas que implican la interpretación de imágenes médicas, los modelos de aprendizaje automático debidamente capacitados, a menudo superan el rendimiento de los expertos médicos.

Sin embargo, explicaron que un nivel tan alto de rendimiento, generalmente, requiere que los modelos se entrenen con conjuntos de datos relevantes que han sido cuidadosamente anotados por expertos.

"Aquí mostramos que un modelo autosupervisado entrenado en imágenes de rayos X de tórax que carecen de anotaciones explícitas, realiza tareas de clasificación de patologías con precisiones comparables a las de los radiólogos", afirmó Ekin Tiu, autor del estudio.

Los resultados concluyeron que en un conjunto de datos de validación externa de radiografías de tórax, el modelo autosupervisado superó a un modelo totalmente supervisado en la detección de tres patologías (de ocho), y el rendimiento se generalizó a patologías que no se anotaron explícitamente para el entrenamiento del modelo, a múltiples tareas de interpretación de imágenes y conjuntos de datos de múltiples instituciones.

No te pierdas una noticia, suscribete gratis para recibir DiarioSalud en tu correo, siguenos en Facebook, Instagram, Twitter, Linkedln, telegram y Youtube

Publicidad
Publicidad
Publicidad
Publicidad
Publicidad