🌐 IA de Google mejora ultrasonido prenatal en entornos con recursos limitados
Empoderant l'atenció materna de primera línia amb ecografies assistides per IA
Un estudi multicèntric prospectiu ha demostrat com l'avaluació d'ecografia mitjançant escaneig cec assistit per intel·ligència artificial (IA) pot permetre a operadors no especialitzats, utilitzant sondes de baix cost, realitzar avaluacions de l'edat gestacional a nivell expert. Aquest avanç marca un pas significatiu cap a l'expansió de l'atenció materna que salva vides a nivell mundial.
L'Organització Mundial de la Salut (OMS) estima que més de 250.000 morts prevenibles es produeixen cada any a tot el món a causa de complicacions relacionades amb l'embaràs. Encara que l'ecografia prenatal pot millorar els resultats i reduir la mortalitat fetal i materna, dos terços de les persones a nivell mundial no tenen accés a imatges mèdiques diagnòstiques com l'ecografia. Els mètodes actuals que donen suport a la salut materna depenen en gran mesura de la formació clínica especialitzada, deixant a milions en entorns amb pocs recursos sense accés a una sola ecografia durant tot el seu embaràs.
Google Research ha desenvolupat sistemes d'aprenentatge automàtic que interpreten ecografies de "escaneig cec". Aquest mètode permet als treballadors de salut de primera línia, sense formació especialitzada en sonografia, realitzar exploracions simplement lliscant sondes d'ecografia portàtils i de baix cost sobre l'abdomen en un patró estandarditzat. Atès que moltes regions s'enfronten a una escassetat crítica d'experts i la formació tradicional de sonògrafs és costosa i requereix un compromís de diversos anys, capacitar aquests treballadors de salut per realitzar avaluacions amb una formació mínima té el potencial d'expandir significativament la cobertura d'exàmens prenatals.
En l'estudi "Generalització de l'Avaluació d'Edat Gestacional Basada en IA Usant Ecografia d'Escaneig Cec", publicat a JAMA Network Open, es va avaluar l'efectivitat d'un model d'IA per a l'avaluació de l'edat gestacional en diversos entorns clínics i maquinari. Aquest nou estudi prospectiu mostra com el sistema d'IA funciona de manera fiable en dispositius mòbils en clíniques reals, amb operadors novells i equips d'ecografia no familiars, i amb un ajust mínim.
El model d'escaneig cec, entrenat en 1.968 participants de Carolina del Nord, EUA, i Zàmbia, es va ajustar amb exploracions de 120 participants de Chicago, Illinois, i després es va provar prospectivament a Chicago (n=192) i Nairobi (n=193), sense ajustos en les dades de Nairobi. El model no va ser inferior als sonògrafs experts en la determinació de l'edat gestacional en ambdós entorns, amb un error absolut mitjà combinat de 4,18 enfront de 4,48 dies.
Font: https://research.google/blog/empowering-frontline-maternal-care-with-ai-assisted-ultrasound/
Empowering frontline maternal care with AI-assisted ultrasound
Un estudio multicéntrico prospectivo ha demostrado cómo la evaluación de ultrasonido mediante barrido ciego asistido por inteligencia artificial (IA) puede permitir a operadores no especializados, utilizando sondas de bajo costo, realizar evaluaciones de la edad gestacional a nivel experto. Este avance marca un paso significativo hacia la expansión del cuidado materno que salva vidas a nivel mundial.
La Organización Mundial de la Salud (OMS) estima que más de 250,000 muertes prevenibles ocurren cada año en todo el mundo debido a complicaciones relacionadas con el embarazo. Aunque el ultrasonido prenatal puede mejorar los resultados y reducir la mortalidad fetal y materna, dos tercios de las personas a nivel mundial carecen de acceso a imágenes médicas diagnósticas como el ultrasonido. Los métodos actuales que apoyan la salud materna dependen en gran medida de la formación clínica especializada, dejando a millones en entornos con pocos recursos sin acceso a un solo ultrasonido durante todo su embarazo.
Google Research ha desarrollado sistemas de aprendizaje automático que interpretan ultrasonidos de «barrido ciego». Este método permite a los trabajadores de salud de primera línea, sin formación especializada en sonografía, realizar exploraciones simplemente deslizando sondas de ultrasonido portátiles y de bajo costo sobre el abdomen en un patrón estandarizado. Dado que muchas regiones enfrentan una escasez crítica de expertos y la formación tradicional de sonógrafos es costosa y requiere un compromiso de varios años, capacitar a estos trabajadores de salud para realizar evaluaciones con una formación mínima tiene el potencial de expandir significativamente la cobertura de exámenes prenatales.
En el estudio «Generalización de la Evaluación de Edad Gestacional Basada en IA Usando Ultrasonografía de Barrido Ciego», publicado en JAMA Network Open, se evaluó la efectividad de un modelo de IA para la evaluación de la edad gestacional en diversos entornos clínicos y hardware. Este nuevo estudio prospectivo muestra cómo el sistema de IA funciona de manera confiable en dispositivos móviles en clínicas reales, con operadores novatos y equipos de ultrasonido no familiares, y con un ajuste mínimo.
El modelo de barrido ciego, entrenado en 1,968 participantes de Carolina del Norte, EE. UU., y Zambia, se ajustó con exploraciones de 120 participantes de Chicago, Illinois, y luego se probó prospectivamente en Chicago (n=192) y Nairobi (n=193), sin ajustes en los datos de Nairobi. El modelo no fue inferior a los sonógrafos expertos en la determinación de la edad gestacional en ambos entornos, con un error absoluto medio combinado de 4.18 frente a 4.48 días.
Fuente: https://research.google/blog/empowering-frontline-maternal-care-with-ai-assisted-ultrasound/
Empowering frontline maternal care with AI-assisted ultrasound
A prospective multicentre study has demonstrated how artificial intelligence (AI)-assisted blind sweep ultrasound evaluation can enable non-specialist operators, using low-cost probes, to perform expert-level gestational age assessments. This advancement marks a significant step towards expanding life-saving maternal care globally.
The World Health Organization (WHO) estimates that more than 250,000 preventable deaths occur each year worldwide due to pregnancy-related complications. Although prenatal ultrasound can improve outcomes and reduce fetal and maternal mortality, two-thirds of people globally lack access to diagnostic medical imaging such as ultrasound. Current methods supporting maternal health heavily rely on specialised clinical training, leaving millions in resource-limited settings without access to a single ultrasound throughout their pregnancy.
Google Research has developed machine learning systems that interpret "blind sweep" ultrasounds. This method allows frontline health workers, without specialised training in sonography, to perform scans simply by sliding portable, low-cost ultrasound probes over the abdomen in a standardised pattern. Since many regions face a critical shortage of experts and traditional sonographer training is costly and requires a multi-year commitment, training these health workers to perform assessments with minimal training has the potential to significantly expand prenatal examination coverage.
In the study "Generalization of AI-Based Gestational Age Assessment Using Blind Sweep Ultrasound," published in JAMA Network Open, the effectiveness of an AI model for gestational age assessment was evaluated across diverse clinical settings and hardware. This new prospective study shows how the AI system reliably operates on mobile devices in real clinics, with novice operators and unfamiliar ultrasound equipment, and with minimal adjustment.
The blind sweep model, trained on 1,968 participants from North Carolina, USA, and Zambia, was adjusted with scans from 120 participants in Chicago, Illinois, and then prospectively tested in Chicago (n=192) and Nairobi (n=193), with no adjustments to the Nairobi data. The model was not inferior to expert sonographers in determining gestational age in both settings, with a combined mean absolute error of 4.18 versus 4.48 days.
Source: https://research.google/blog/empowering-frontline-maternal-care-with-ai-assisted-ultrasound/
¿Te ha interesado esta noticia?
Recibe cada mañana el resumen de IA y sociedad directo en tu email.
Suscríbete gratis →