Innovación en productos y servicios
Sistema de Cribado Automatizado para Estudios de Imagen Radiológica mediante Machine Learning.
Se propone el desarrollo de un sistema automatizado de cribado para estudios de imagen radiológica basado en M.L., orientado analizar radiografías de abdominales y realizar una clasificación binadia(Normal/Revisión). Los casos normales generarán de forma automática un informe preliminar con lenguaje radiológico estandarizado, sujeto a revisión y aprobación por el especialista. Los casos de Revisión se derivan al radiólogo para una evaluación clínica detallada. La metodología contempla cuatro etapas principales: 1) recolección de datos; 2) desarrollo del modelo mediante redes neuronales convolucionales con técnicas de transfer learning; 3) validación del desempeño mediante métricas de precisión, sensibilidad y especificidad; 4) análisis del impacto potencial. Se prevé que el sistema pueda disminuir el tiempo destinado a la interpretación de estudios sin hallazgos clínicamente relevantes, reduciendo el riesgo de error diagnóstico asociado al exceso de carga laboral en radiología.
Descripcion completa
Se propone el desarrollo de un sistema automatizado de cribado para estudios de imagen radiológica basado en M.L., orientado analizar radiografías de abdominales y realizar una clasificación binadia(Normal/Revisión). Los casos normales generarán de forma automática un informe preliminar con lenguaje radiológico estandarizado, sujeto a revisión y aprobación por el especialista. Los casos de Revisión se derivan al radiólogo para una evaluación clínica detallada. La metodología contempla cuatro etapas principales: 1) recolección de datos; 2) desarrollo del modelo mediante redes neuronales convolucionales con técnicas de transfer learning; 3) validación del desempeño mediante métricas de precisión, sensibilidad y especificidad; 4) análisis del impacto potencial. Se prevé que el sistema pueda disminuir el tiempo destinado a la interpretación de estudios sin hallazgos clínicamente relevantes, reduciendo el riesgo de error diagnóstico asociado al exceso de carga laboral en radiología.
Relacionados