Treo Blog

En este espacio puedes explorar las últimas tendencias y noticias en tecnología, seguridad informática e infraestructura TI.

  • Jonathan Rodriguez Paipa

Uso de IA para identificar lesiones de COVID-19 en tomografías computarizadas de pulmón

Actualizado: jun 1

Por: Mike McNamara



Crédito: Pexels

El alto número de hospitalizaciones y el nivel de cuidados intensivos que requieren muchos pacientes con COVID-19 pueden llevar a las instituciones de salud y al personal al límite. La neumonía COVID (infección viral en los pulmones), que se detecta mediante una radiografía de tórax o una tomografía computarizada, puede predecir la necesidad de una atención hospitalaria más avanzada


Un hospital ajetreado puede realizar muchas tomografías computarizadas de pulmón por día, lo que podría afectar los niveles de servicio que los equipos de radiología pueden brindar. Mediante la preselección de las tomografías computarizadas de los pacientes con COVID-19, un modelo de IA preciso puede identificar rápidamente los resultados críticos y permitir que los equipos de atención se concentren en los pacientes que tienen un alto riesgo de complicaciones graves.


El ajuste, las pruebas y la capacitación continua del modelo son necesarios para crear y mantener un modelo de inteligencia artificial optimizado. Es fundamental prestar especial atención a la trazabilidad, la reproducibilidad y la privacidad del paciente. NetApp y SFL Scientific han desarrollado tecnología para la segmentación pulmonar COVID-19 de alto rendimiento que utiliza un modelo de vanguardia y transferencia de aprendizaje. La siguiente imagen compara las anotaciones humanas y la predicción del modelo de lesiones pulmonares en un paciente con COVID-19. Nuestra metodología ofrece un modelo preciso y capacitado en poco tiempo y respalda la capacitación y la optimización continuas con una trazabilidad completa.


Al ejecutarse en una infraestructura de almacenamiento NetApp® rápida y eficiente, el modelo tarda un promedio de solo 6 segundos en identificar las lesiones COVID en cada escaneo de paciente, que se compone de cientos de imágenes. Esta velocidad está a la par con otros modelos avanzados y es mucho más rápida que un análisis humano típico de una tomografía computarizada de tórax.


Oportunidades adicionales de IA


La metodología que utilizaron NetApp y SFL Scientific para crear un modelo de segmentación pulmonar COVID-19 se puede generalizar y aplicar a casi cualquier tarea de segmentación de imágenes. Con acceso a los datos adecuados, podemos ayudarlo a crear modelos de segmentación de inteligencia artificial para cualquier sistema de órganos, que abarcan una amplia gama de modalidades de imágenes, desde simples rayos X en 2D hasta tomografías computarizadas en 3D y resonancias magnéticas y ecografías. También se pueden aplicar métodos similares a la patología digital.


Mirando más allá de las imágenes médicas, el mismo enfoque, que combina el aprendizaje por transferencia, la experimentación, el ajuste fino iterativo, la gestión inteligente de datos y la implementación de producción con reentrenamiento regular, se puede aplicar a una amplia gama de visión por computadora, procesamiento del lenguaje natural y otros casos de uso en salud y otras industrias. NetApp y SFL Scientific pueden ayudarlo a llevar su proyecto de IA a producción más rápidamente y con menos errores.


Para obtener más información, lea el libro blanco Aprendizaje profundo para identificar lesiones de COVID-19 en tomografías computarizadas de pulmón y vea el video a pedido sobre la segmentación de las lesiones de CT de pulmón COVID-19.




Fuente: Blog de NetApp

4 vistas0 comentarios