HOSPITAL ÁNGELES METROPOLITANO

Tlacotalpan 59, Roma Sur, Cuauhtémoc, 06760 Ciudad de México, CDMX, TORRE DIAMANTE CONSULTORIO 730

5564 2870 / 5564 6000 / FAX 5264 7941

Lunes, Miércoles y Jueves: 19:00 - 20:30

Inteligencia artificial

Ensayos clínicos virtuales: implicaciones de las simulaciones por computadora y la inteligencia artificial para la investigación musculoesquelética

por


Los ensayos clínicos in silico, particularmente cuando se complementan con métodos de inteligencia artificial, representan un enfoque innovador con mucho que ofrecer, particularmente en el campo musculoesquelético. Son un medio rentable, eficiente y ético de evaluar tratamientos e intervenciones complementando y/o ampliando los ensayos controlados aleatorios (ECA) tradicionales. Si bien no son una panacea y no deberían reemplazar a los ECA tradicionales, su integración en el proceso de investigación promete acelerar los avances médicos y mejorar los resultados de los pacientes. Para lograr esto, se necesita un enfoque multidisciplinario y la colaboración es fundamental. Con avances en computación y destreza analítica, y al adherirse a los principios de la ciencia en equipo, la realización de un enfoque integrador tan novedoso hacia los ensayos clínicos puede no estar lejos de proporcionar contribuciones de gran alcance a la investigación médica. Como tal, al aprovechar el poder de los ensayos clínicos in silico, los investigadores pueden potencialmente desbloquear nuevas posibilidades en el tratamiento y la intervención para, en última instancia, mejorar la atención al paciente y los resultados.

Virtual Clinical Trials – Implications of Computer Simulations and Artificial Intelligence for Musculoskeletal Research – PubMed (nih.gov)

JBJS: Virtual Clinical Trials – Implications of Computer Simulations and Artificial Intelligence for Musculoskeletal Research

JBJS (lww.com)

Mell SP, Hornung AL, Yuh C, Samartzis D. Virtual Clinical Trials – Implications of Computer Simulations and Artificial Intelligence for Musculoskeletal Research. J Bone Joint Surg Am. 2024 Jun 20. doi: 10.2106/JBJS.23.01236. Epub ahead of print. PMID: 38900849.

Copyright © 2024 by The Journal of Bone and Joint Surgery, Incorporated.

Ensayos clínicos virtuales: implicaciones de las simulaciones por computadora y la inteligencia artificial para la investigación musculoesquelética

Inteligencia artificial en ortopedia: tres estrategias para el aprendizaje profundo con imágenes ortopédicas específicas

por

La inteligencia artificial ha logrado resultados notables en el campo de la medicina. Lea el editorial de este mes sobre inteligencia artificial en ortopedia.

#inteligenciaartificial #aprendizajeprofundo

Artificial intelligence in orthopedics: three strategies for deep learning with orthopedic specific imaging | SpringerLink
  • La inteligencia artificial (IA) ha logrado resultados notables en toda la sociedad, incluso en el campo de la medicina. A medida que avanzan las técnicas, no es raro que la IA supere a los médicos en determinadas condiciones [2].
  • Una rama de la IA, conocida como aprendizaje automático, denota la capacidad de una máquina para identificar relaciones entre datos sin criterios explícitos. Esta identificación de relaciones suele mejorar con el aumento de la experiencia y los datos, y permite que los algoritmos modelen relaciones que, de lo contrario, podrían ser demasiado complejas para los métodos estadísticos estándar. El aprendizaje profundo es un campo del aprendizaje automático que se refiere a un modelo con una estructura de red neuronal artificial e imita las conexiones neuronales del cerebro humano (Fig. 1).
  • El determinante más importante del rendimiento del algoritmo de aprendizaje automático convencional (aparte de la calidad y cantidad de datos) es la selección adecuada de funciones. Si el proceso de selección de características se ejecuta adecuadamente, es posible lograr un rendimiento suficientemente efectivo independientemente del tipo de modelo utilizado. Por otro lado, si la selección de características no tiene éxito, es difícil lograr un rendimiento adecuado, independientemente de la popularidad o la supuesta capacidad del algoritmo candidato.
  • Actualmente, no existe un estándar de oro para el proceso de selección de funciones. Por lo tanto, todavía existe la necesidad de una metodología cuidadosa que describa el conocimiento técnico y médico cuando se utilizan algoritmos tradicionales de aprendizaje automático. Por el contrario, el aprendizaje profundo tiene la ventaja del análisis de extremo a extremo utilizando datos de entrada sin el proceso de selección de características. Ofrece la ventaja de no tener que depender estrictamente de la selección de funciones, ya que utiliza todos los parámetros disponibles.
  • Sin embargo, el aprendizaje profundo también tiene una barrera de entrada que requiere la preparación de datos para la capacitación. Además, es importante asegurar una unidad de procesamiento de gráficos (GPU) de alto rendimiento para un experimento eficiente, ya que los tiempos y costos de entrenamiento del modelo a menudo pueden volverse cada vez más onerosos [3].

https://pubmed.ncbi.nlm.nih.gov/35022826/

https://link.springer.com/article/10.1007/s00167-021-06838-8

Ko S, Pareek A, Ro DH, Lu Y, Camp CL, Martin RK, Krych AJ. Artificial intelligence in orthopedics: three strategies for deep learning with orthopedic specific imaging. Knee Surg Sports Traumatol Arthrosc. 2022 Mar;30(3):758-761. doi: 10.1007/s00167-021-06838-8. Epub 2022 Jan 13. PMID: 35022826.

Copyright © 2022, The Author(s) under exclusive licence to European Society of Sports Traumatology, Knee Surgery, Arthroscopy (ESSKA)

Importa los datos de mi consultorio a tu celular en un solo click!!!

Dr. Michell Ruiz Suárez<br /> Experto en Ortopedia y Traumatología<br /> Artroscopia, Cirugía de Hombro y Codo, Cirugía de Rodilla y Lesiones Deportivas. Dr. Michell Ruiz Suárez
Experto en Ortopedia y Traumatología
Artroscopia, Cirugía de Hombro y Codo, Cirugía de Rodilla y Lesiones Deportivas.

Acude con el experto!!!

 

Clínica de Hombro

Inteligencia artificial en ortopedia: tres estrategias para el aprendizaje profundo con imágenes ortopédicas específicas