Notas de prensa

Un equipo da UVigo crea unha ferramenta que emprega IA para optimizar a diagnose de enfermidades a partir de imaxes de raios X

Sadisir: Sistema de Automatización da Diagnose a partir de Signos Radiolóxicos. Este é o nome dunha ferramenta creada por persoal investigador da Escola Superior de Enxeñaría Informática do campus de Ourense que, mediante a combinación de técnicas de intelixencia artificial e modelos de aprendizaxe automática, infire automaticamente a ou as diagnoses médicas máis probables a partir dos signos presentes nunha imaxe de raios X.

Ademais, automatiza a xeración de informes que amosan, de xeito conciso, a diagnose atopada.

No marco do grupo Sing (Next Generation Computer Systems Group) da Universidade de Vigo, o proxecto estivo dirixido por David A. Ruano e nel participaron as e os investigadores Tomás Cotos, Silvana Gómez e Reyes Pavón e os facultativos do Complexo Hospitalario Universitario de Ourense Diego Domínguez e José Manuel Fernández-Carrera. A iniciativa contou con financiamento das axudas Inou, da Vicerreitoría do Campus de Ourense e a Deputación Provincial, e tamén da Consellaría de Educación, Universidades e Formación Profesional no marco do financiamento estratéxico como grupo de referencia competitiva. “No campo da medicina, a interpretación precisa de signos radiolóxicos é fundamental para o diagnóstico eficaz de enfermidades. Con todo, a abafadora cantidade de datos radiolóxicos desafía a capacidade dos profesionais da saúde para analizalos exhaustivamente. Neste sentido, a intelixencia artificial e os algoritmos de aprendizaxe automática xorden como unha solución crucial”, comentan os membros do proxecto sobre a relevancia da ferramenta proposta.

Un sistema de apoio para especialistas

Neste contexto Sadisir foi desenvolvida para ser capaz de determinar automaticamente os diagnósticos máis probable para o paciente a partir do signos radiolóxicos presentes nas imaxes de raios X e para xerar os informes clínicos específicos para cada paciente. O protocolo experimental deseñado realizouse sobre o conxunto de datos PadChest, que proporciona unha colección de máis de 160.000 imaxes de radiografías de tórax e información clínica detallada sobre 67.000 pacientes, e nel optouse, polos resultados obtidos no adestramento realizado do modelo, por RandomForest como o algoritmo de clasificación máis óptimo neste caso.

O desenvolvemento deste sistema de apoio, indican desde a súa organización, pretende axudar ao especialista médico na toma de decisións, xa que axiliza a identificación da diagnose e diminúe a probabilidade de erro nela, ademais de reducir sobrecarga de traballo, influíndo nunha mellora da calidade asistencial do servizo. “É importante ter en conta que as aplicacións orientadas ao ámbito sanitario teñen que ter unha taxa de falsos negativos moi reducida. Neste senso, todos os diagnósticos emitidos pola aplicación deben ser validados por un facultativo e o sistema dispón dun mecanismo de aprendizaxe continuo que se activa readestrando os modelos coa información obtida polo facultativo coa finalidade de mellorar a eficiencia do sistema, e por tanto, reducir os posibles erros”, comentan.

Co obxectivo de facilitar o uso da ferramenta a calquera tipo de usuario con independencia de seu nivel de dixitalización, a ferramenta embebeuse nunha interface gráfica de escritorio que permite indicar manualmente os signos radiolóxicos atopados na imaxe, mostrar graficamente a probabilidade de cada un dos diagnósticos, seleccionar o diagnostico máis apropiado e xerar o informe coa información do paciente, os signos atopados e a diagnose emitida.

Universidade de Vigo (UVigo), 2024-05-21

Actualidad

Foto del resto de noticias (tecnoloxia-cuantica.jpg) CiberLabFP configúrase como un espazo de aprendizaxe, experimentación e desenvolvemento de competencias en contornos reais que integran tecnoloxías da información (IT) e de operación (OT) para así adaptar a Formación Profesional aos novos escenarios de transformación dixital. Entre as súas funcionalidades destacan a formación especializada do profesorado, a simulación de ciberataques e defensa en contornos virtuais, a análise forense industrial ou a validación de sistemas. Ademais, contará cunha estación móbil que permitirá levar a tecnoloxía a centros educativos e realizar demostracións en empresas e feiras.
Foto de la tercera plana (costa-litoral-illas-cies.jpg) Celebrouse hoxe a sesión constitutiva do Foro do Litoral de Galicia, que será o máximo órgano colexiado de consulta e participación do conxunto da sociedade co fin de optimizar a xestión e ordenación da costa galega. Nel están representadas a Administración autonómica e as locais así como os sectores social, científico, económico e medioambiental e as entidades implicadas na protección do patrimonio natural co fin último de garantir unha gobernanza que permita unha participación suficiente de todos os sectores da sociedade interesados no litoral. A constitución do foro facilitará a partir de agora facer un seguimento das normas, políticas e instrumentos do litoral.

Notas

Baixo o lema A inclusión no centro: perspectivas internacionais para o cambio institucional desenvolverase entre os días 4 e 8 de maio a International Staff Week 2026, unha iniciativa coa que a Vicerreitoría de Internacionalización persegue un triplo obxectivo: fortalecer as relacións internacionais da UVigo: explorar novas oportunidades de colaboración académica; e compartir boas prácticas en materia de mobilidade internacional.
Un estudo realizado por persoal investigador do grupo de Neurobioloxía Celular e Molecular da Enfermidade de Parkinson do Centro Singular de Investigación en Medicina Molecular e Enfermidades Crónicas da USC (CiMUS) e da Universidade de Cambridge, coa colaboración doutras institucións europeas como o Instituto Karolinska, propón unha nova forma de entender como se dana e se repara o cerebro.
PUBLICIDAD
ACTUALIDAD GALICIADIGITAL
Blog de GaliciaDigital
HOMENAXES EGERIA
PUBLICACIONES