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.

HospiMedica

Deascargar La Aplicación Móvil
Noticias Recientes COVID-19 Cuidados Criticos Téc. Quirúrgica Cuidados de Pacientes TI Pruebas POC Negocios Focus

IA radiográfica ayuda a evaluar la colocación del tubo endotraqueal

Por el equipo editorial de HospiMedica en español
Actualizado el 01 Dec 2021
Un nuevo algoritmo de inteligencia artificial (IA) ayuda a los médicos a evaluar la colocación del tubo endotraqueal (TET) en una radiografía de tórax (CXR), incluso en pacientes críticos con COVID-19.

El algoritmo TET es parte de la Critical Care Suite 2.0 de GE Healthcare (Chicago, IL, EUA), una colección de cinco algoritmos de inteligencia artificial integrados en dispositivos de rayos X móviles para proporcionar una serie de mediciones automatizadas, priorización de casos, y control de calidad. El algoritmo de IA detecta automáticamente los TET en imágenes de CXR y genera mediciones exactas, junto con una superposición de imágenes, con un error promedio de menos de un mm, al calcular la distancia vertical de la punta del TET a la carina.

Imagen: Una herramienta radiográfica de IA ayuda a evaluar la colocación del tubo endotraqueal (Fotografía cortesía de GE Healthcare)
Imagen: Una herramienta radiográfica de IA ayuda a evaluar la colocación del tubo endotraqueal (Fotografía cortesía de GE Healthcare)

Las mediciones se muestran en el monitor del sistema de rayos X y también se puede acceder a ellas en el sistema de comunicación y archivo de imágenes (PACS) segundos después de la adquisición de la imagen. Con la ayuda de estas medidas, los médicos pueden determinar si el TET está colocado correctamente o si se requiere atención adicional para colocarlo correctamente. Varios algoritmos de inteligencia artificial centrados en la calidad ejecutan automáticamente comprobaciones en el dispositivo, lo que permite acciones del técnico, como rechazos o reprocesamiento en la cabecera del paciente, y antes de que las imágenes se envíen al PACS.

“En GE Healthcare, vimos el papel potencial de la Critical Care Suite 2.0 para ayudar a los hospitales a gestionar la crisis causada por la cantidad de pacientes que necesitaban colocaciones de TET durante la pandemia”, dijo Jan Makela, presidente y director ejecutivo de Imagenología en GE Healthcare. “La pandemia ha demostrado lo que ya sabíamos: que los datos, la inteligencia artificial y la conectividad son fundamentales para ayudar a los médicos de primera línea a brindar una atención eficiente e inteligente”.

“Los segundos y los minutos son importantes cuando se trata de un pulmón colapsado o cuando se evalúa la posición del TET en un paciente crítico”, dijo Amit Gupta, MD, director de modalidad de radiografía de diagnóstico en el Hospital Universitario del Centro Médico Cleveland (OH, EUA). “En varios casos de pacientes con COVID-19, el algoritmo de IA para neumotórax ha demostrado ser profético, identificando con precisión el neumotórax/barotrauma en pacientes con COVID-19 intubados, señalándolos a radiólogos y residentes de radiología, y permitiendo un tratamiento acelerado de dos pacientes”.

Los estudios han demostrado que hasta el 25% de los pacientes intubados fuera de la sala de operaciones (quirófano) tienen TET fuera de lugar, lo que puede provocar complicaciones graves como hiperinsuflación, neumotórax, paro cardíaco y muerte. Además, hasta el 45% de los pacientes de la UCI, incluido el 5-15% de los pacientes con COVID-19, requieren vigilancia de cuidados intensivos e intubación para soporte ventilatorio.

Enlace relacionado:

Miembro Oro
STI Test
Vivalytic Sexually Transmitted Infection (STI) Array
Miembro Oro
VISOR EN PANTALLA DE DIAGNÓSTICO EN TIEMPO REAL
GEMweb Live
Miembro Plata
Compact 14-Day Uninterrupted Holter ECG
NR-314P
New
Harness System
Neo-Restraint

Últimas TI noticias

Modelo de aprendizaje automático mejora predicción del riesgo de mortalidad para pacientes de cirugía cardíaca

Colaboración estratégica para desarrollar e integrar IA generativa en el cuidado de la salud

Solución de quirófanos habilitada para IA ayuda a hospitales a maximizar la utilización y desbloquear la capacidad