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
INTEGRA BIOSCIENCES AG

Deascargar La Aplicación Móvil




Modelo de análisis de lengua basado en IA demuestra un 98 % de precisión en la detección de enfermedades

Por el equipo editorial de LabMedica en español
Actualizado el 20 Aug 2024
Imagen: Un investigador demuestra cómo una cámara captura imágenes de la lengua y las analiza para detectar enfermedades (foto cortesía de MTU)
Imagen: Un investigador demuestra cómo una cámara captura imágenes de la lengua y las analiza para detectar enfermedades (foto cortesía de MTU)

El color de la lengua es un indicador de salud fundamental que se utiliza para identificar enfermedades y medir su progresión. Varias características de la lengua, como su color, forma y recubrimiento, pueden señalar diferentes condiciones de salud. Por ejemplo, una lengua amarilla suele indicar diabetes, mientras que una lengua morada con una capa gruesa podría sugerir cáncer. Los pacientes con accidentes cerebrovasculares agudos suelen tener lenguas rojas y de forma inusual. Una lengua blanca podría significar anemia; una lengua de color rojo intenso se ve con frecuencia en casos graves de COVID-19; y las lenguas índigo o violeta pueden indicar problemas vasculares, gastrointestinales o asma. Aprovechando este concepto, la inteligencia artificial (IA) está modernizando una práctica de 2000 años de antigüedad de la medicina tradicional china que implica el diagnóstico de afecciones de salud mediante el examen de la lengua.

Investigadores de la Universidad Técnica Media (MTU, Bagdad, Irak) y la Universidad del Sur de Australia (UniSA, Adelaida, Australia) realizaron experimentos utilizando IA para analizar el color de la lengua con el fin de diagnosticar enfermedades. Entrenaron algoritmos de aprendizaje automático utilizando 5260 imágenes y recopilaron 60 imágenes de lengua adicionales e pacientes con diversas condiciones de salud en dos hospitales universitarios en el Medio Oriente. Su sistema de imágenes propuesto en un nuevo artículo publicado en la revista Technologies analiza el color de la lengua para ofrecer información diagnóstica inmediata, lo que demuestra el potencial de la IA para hacer avanzar significativamente la práctica médica.

En su estudio, las cámaras ubicadas a 20 centímetros de los sujetos capturaron imágenes de sus lenguas, y el sistema de IA evaluó las condiciones de salud en tiempo real. El modelo de IA correlacionó con éxito los colores de la lengua con enfermedades específicas en casi todos los casos, logrando una tasa de precisión del 98 % en el diagnóstico de una variedad de afecciones, incluidas diabetes, accidente cerebrovascular, anemia, asma, enfermedades del hígado y la vesícula biliar, COVID-19 y varios problemas vasculares y gastrointestinales mediante el análisis del color de la lengua. Los investigadores anticipan que en el futuro, los teléfonos inteligentes podrían emplearse para realizar diagnósticos similares, mejorando la accesibilidad y la conveniencia en los diagnósticos médicos.

“Estos resultados confirman que el análisis computarizado de la lengua es un método seguro, eficiente, fácil de usar y asequible para la detección de enfermedades que respalda los métodos modernos con una práctica centenaria”, dijo el coautor de UniSA, el profesor Javaan Chahl.

Enlaces relacionados:
MTU
UniSA

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Analizador de la función plaquetaria
PL-12
New
Prueba de MR-proADM
B•R•A•H•M•S MR-proADM KRYPTOR test
Manual Pipetting Aid
Pipette Controllers macro

Canales

Química Clínica

ver canal
Imagen: La prueba Galleri de GRAIL utiliza el aprendizaje automático para analizar patrones de ADNcf en busca de señales de cáncer y predecir su ubicación probable para guiar una evaluación adicional.

Prueba sanguínea multicáncer amplía detección a cánceres sin opciones de cribado rutinario

Muchos cánceres letales carecen de cribado rutinario y a menudo se diagnostican solo después de que aparecen los síntomas, lo que limita las opciones curativas. Los programas estándar... Más

Diagnóstico Molecular

ver canal
Imagen: El flujo de trabajo propuesto agrega biopsia líquida para detectar signos genéticos y moleculares de cáncer en muestras de LCR ya recolectadas durante la evaluación de la encefalitis autoinmune. (Crédito de la imagen: Shutterstock)

Biopsia líquida de LCR podría ayudar a distinguir cáncer de inflamación cerebral autoinmunitaria

La encefalitis autoinmunitaria puede causar cambios en la memoria y la conducta, convulsiones y alteración del nivel de conciencia, pero el diagnóstico puede ser difícil porque los... Más

Inmunología

ver canal
Imagen: Aptiva utiliza tecnología de analitos múltiples basada en partículas (PMAT) (Fotografía cortesía de Werfen)

Werfen amplía pruebas automatizadas de SAF con reactivo IgA autorizado por la FDA y marcado CE

El síndrome antifosfolípido (SAF) es un trastorno autoinmunitario asociado con trombosis y complicaciones del embarazo, pero sus síntomas pueden superponerse con los de otras afecciones,... Más

Microbiología

ver canal
Imagen: El ébola sigue siendo una amenaza para la salud pública en rápida evolución con una alta mortalidad, lo que subraya la necesidad de un diagnóstico oportuno y pruebas descentralizadas más cercanas a los pacientes (Crédito de la imagen: Adobe Stock)

Colaboración busca llevar detección sanguínea del ébola fuera de los laboratorios centrales

Co-Diagnostics, Inc. (Salt Lake City, UT, EE. UU.) y ReadyGo Diagnostics Ltd. (Bath, Reino Unido) han iniciado una colaboración para evaluar GoCollect de ReadyGo con la plataforma Co-Dx PCR para... Más

Patología

ver canal
Imagen: Muestras vaginales y de orina que muestran cáncer de endometrio (caso verdadero positivo; fila superior) y ausencia de células malignas (caso verdadero negativo; fila inferior). (Jones ER, Narine N, O\'Flynn H, et al. The Lancet Obstetrics, Gynecology, & Women's Health (2026). DOI:10.1016/S3050-5038(26)00222-0.)

Prueba sencilla podría reducir necesidad de estudios invasivos para detectar cáncer uterino

El sangrado después de la menopausia requiere una investigación urgente para detectar cáncer de útero, aunque la mayoría de las mujeres que se someten a pruebas no padecen... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.