Este estudio explora los métodos de aprendizaje automático para la detección de hallazgos inesperados en los informes de radiología en español. En lo que respecta a los informes radiológicos, los hallazgos inesperados son el conjunto de signos radiológicos identificados en un determinado examen de modalidad de imagen que cumplen dos características: no están aparentemente relacionados con los resultados esperados a priori del examen radiológico e implican una situación de emergencia o urgencia clínica que debe ser comunicada en breve al médico prescriptor o a otro especialista médico, así como al paciente, con el fin de proteger vidas y/o prevenir sucesos peligrosos. Se evalúan y comparan varios algoritmos tradicionales de clasificación de aprendizaje automático y aprendizaje profundo. Para llevar a cabo esta tarea utilizamos 5.947 informes radiológicos anónimos de la clínica “HT medica”. Los resultados sugieren que el rendimiento de los modelos de las redes neuronales convolucionales son mejores que los del aprendizaje automático tradicional. La mejor puntuación de en la métrica F1 para la identificación de un hallazgo inesperado fue del 90%. Finalmente, también realizamos un análisis de errores que nos servirá para lograr mejores resultados en futuros trabajos.
Cita Bibliográfica: Expert Systems with Applications (ISSN: 0957-4174)
Autores: López Úbeda, Pilar | Díaz Galiano, M. Carlos | Ureña López, L. Alfonso | Martín Valdivia, M. Teresa | Martín Noguerol, Teodoro | Luna, Antonio
URL: https://www.sciencedirect.com/science/article/pii/S0957417420304711
Tareas relacionadas:
- (En construcción)