Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros

Deascargar La Aplicación Móvil




Eventos

02 jun 2026 - 04 jun 2026
17 jun 2026 - 19 jun 2026

Herramienta nueva utiliza tecnología de inteligencia artificial de aprendizaje profundo para evaluar con exactitud la gravedad de las infecciones pulmonares en los pacientes con COVID-19

Por el equipo editorial de LabMedica en español
Actualizado el 08 Jun 2021
Imagen: Las radiografías de tórax utilizadas en el estudio COVID-Net muestran diferentes grados de infección y opacidad en los pulmones de los pacientes con COVID-19 (Fotografía cortesía de la Universidad de Waterloo)
Imagen: Las radiografías de tórax utilizadas en el estudio COVID-Net muestran diferentes grados de infección y opacidad en los pulmones de los pacientes con COVID-19 (Fotografía cortesía de la Universidad de Waterloo)
Una nueva tecnología de inteligencia artificial (IA) es capaz de evaluar la gravedad de los casos de COVID-19 con un grado de exactitud prometedor.

El nuevo trabajo, parte de la iniciativa de código abierto COVID-Net, lanzada hace más de un año, involucró a investigadores de la Universidad de Waterloo (Waterloo, ON, Canadá) y la empresa emergente DarwinAI (Waterloo, ON, Canadá). La IA de aprendizaje profundo se entrenó en analizar el alcance y la opacidad de la infección en los pulmones de los pacientes con COVID-19 basándose en radiografías de tórax. Luego, sus puntuaciones se compararon con las evaluaciones de las mismas radiografías realizadas por radiólogos expertos.

Tanto para el alcance como para la opacidad, indicadores importantes de la gravedad de las infecciones, las predicciones realizadas por el software de inteligencia artificial estaban en buena consonancia con las puntuaciones proporcionadas por los expertos humanos. Los investigadores creen que la tecnología podría brindarles a los médicos una herramienta importante para ayudarlos a manejar los casos.

“La evaluación de la gravedad de un paciente con COVID-19 es un paso crítico en el flujo de trabajo clínico para determinar el mejor curso de acción para el tratamiento y la atención, ya sea admitir al paciente en la UCI, administrarle oxigenoterapia o poner a un paciente en un ventilador mecánico”, dijo Alexander Wong, profesor de ingeniería de diseño de sistemas y cofundador de DarwinAI. “Los resultados prometedores de este estudio muestran que la inteligencia artificial tiene un gran potencial para ser una herramienta eficaz para ayudar a los trabajadores de la salud de primera línea en sus decisiones y mejorar la eficiencia clínica, lo cual es especialmente importante dado el estrés que la pandemia en curso ha puesto en los sistemas de salud de todo el mundo”.

Enlace relacionado:
Universidad de Waterloo
DarwinAI

Miembro Oro
Clinical Chemistry Assay
Sorbitol Dehydrogenase (SDH)
Software de laboratorio
Acusera 24•7
Pipette Calibration System
Artel PCS®
Chromogenic Culture System
InTray™ COLOREX™ ECC

Canales

Química Clínica

ver canal
Imagen: Nuevos hallazgos sugieren que los puntos de corte estándar \"normales\" del CA19-9 podrían enmascarar una enfermedad agresiva en los no productores, mientras que un modelo de umbral dual podría reducir las interpretaciones erróneas (crédito de la imagen: Adobe Stock)

Nuevo valor de corte de CA19-9 ayuda a identificar pacientes con cáncer de páncreas de alto riesgo

El adenocarcinoma ductal pancreático (PDAC) se diagnostica con frecuencia en una etapa avanzada y sigue siendo uno de los tumores sólidos más letales. Los médicos suelen utilizar el antígeno carbohidrato... Más

Diagnóstico Molecular

ver canal
Imagen: El nuevo método de origami de ARN logró una resolución de 18 nucleótidos, suficiente para distinguir las secciones repetidas sanas de las asociadas a enfermedades (crédito de la imagen: Adobe Stock)

Nuevo método de ARN origami facilita pruebas más rápidas para trastornos por expansión de repeticiones

Los trastornos de expansión de repeticiones causan afecciones como la distrofia miotónica, la enfermedad de Huntington y la esclerosis lateral amiotrófica (ELA), pero determinar con... Más

Hematología

ver canal
Imagen: Los hallazgos del estudio pueden ayudar a identificar la deficiencia de hierro antes en niños de 5 a 14 años. (Fotografía cortesía de iStock)

Un umbral de ferritina más elevado podría mejorar la detección de deficiencia de hierro en niños

La deficiencia de hierro en niños en edad escolar puede afectar el desarrollo cerebral, el aprendizaje, el crecimiento y el rendimiento físico; sin embargo, la detección temprana de... Más

Inmunología

ver canal
Imagen: Resumen gráfico (Crotts S.B., Barnes J.T., Antonetti R.M., et al. Cell Reports (2026). DOI:10.1016/j.celrep.2026.117347)

Enzima inmunitaria se vincula con la enfermedad inflamatoria intestinal resistente al tratamiento

La enfermedad inflamatoria intestinal (EII) afecta a casi 3 millones de personas en Estados Unidos y su prevalencia sigue en aumento. Los medicamentos que actúan sobre el factor de necrosis tumoral... Más

Patología

ver canal
Imagen: la tecnología aprovecha las preparaciones de diapositivas de rutina para ofrecer una lectura de riesgo individualizada basada en señales derivadas de imágenes (fotografía cortesía de Valar Labs)

Prueba de patología con IA recibe designación de avance de la FDA para riesgo de cáncer de vejiga

El cáncer de vejiga no músculo-invasivo presenta resultados muy variables, lo que complica la vigilancia y la planificación del tratamiento. La evaluación del riesgo suele basarse en el estadio, el grado... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.