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
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Los científicos usan el aprendizaje automático y los exámenes de resonancia magnética para predecir las dificultades de aprendizaje

Por el equipo editorial de MedImaging en español
Actualizado el 17 Oct 2018
Print article
Un equipo de científicos de la Unidad de Cognición y Ciencias del Cerebro del Consejo de Investigación Médica (MRC) de la Universidad de Cambridge (Cambridge, Inglaterra, Reino Unido) utilizó el aprendizaje automático, un tipo de inteligencia artificial, con datos de cientos de niños que luchan en la escuela para identificar grupos de dificultades de aprendizaje, que no coinciden con su diagnóstico anterior. Según los investigadores, esto refuerza la necesidad de que los niños reciban evaluaciones detalladas de sus habilidades cognitivas para identificar el mejor tipo de apoyo.

Para el estudio, los investigadores reclutaron a 550 niños que habían sido remitidos a una clínica porque tenían dificultades en la escuela. Las investigaciones anteriores sobre las dificultades de aprendizaje se habían centrado en niños a los que ya se les había diagnosticado una dificultad particular, como el trastorno por déficit de atención con hiperactividad (TDAH), un trastorno del espectro autista o dislexia. El último estudio incluyó a niños con todas las dificultades, independientemente de su diagnóstico, para capturar mejor el rango de dificultades entre ellas y la superposición de las categorías de diagnóstico.

Los investigadores aplicaron el aprendizaje automático a un amplio espectro de cientos de estudiantes con dificultades al proporcionarle al algoritmo informático una gran cantidad de datos de pruebas cognitivas de cada niño, incluidas las medidas de audición, el razonamiento espacial, la resolución de problemas, el vocabulario y la memoria. Basado en estos datos, el algoritmo sugirió que los niños encajan mejor en cuatro grupos de dificultades. Estos grupos se alinearon estrechamente con otros datos sobre los niños, como los informes de los padres sobre sus dificultades de comunicación y los datos educativos sobre lectura y matemáticas.

Sin embargo, no hubo correspondencia con sus diagnósticos previos. Con el fin de verificar si estas agrupaciones correspondían a diferencias biológicas, los grupos se verificaron en las resonancias magnéticas cerebrales de 184 niños. Las agrupaciones reflejaban patrones de conectividad en partes del cerebro de los niños, lo que sugiere que el aprendizaje automático identificaba diferencias que reflejan en parte la biología subyacente. Dos de los cuatro grupos identificados fueron: dificultades con las habilidades de memoria de trabajo y dificultades con el procesamiento de sonidos en palabras. Los otros dos grupos identificados fueron: niños con amplias dificultades cognitivas en muchas áreas, y niños con resultados de pruebas cognitivas típicas para su edad. Los investigadores notaron que los niños en la agrupación que tenían resultados de pruebas cognitivas que eran típicos para su edad podían tener, en todo caso, otras dificultades que afectaban su escolarización, como las dificultades de comportamiento, que no se habían incluido en el aprendizaje automático.

"Nuestro estudio es el primero de su tipo en aplicar el aprendizaje automático a un amplio espectro de cientos de estudiantes con dificultades", dijo el Dr. Duncan Astle, de la Unidad de Cognición y Ciencias del Cerebro del MRC en la Universidad de Cambridge, quien dirigió el estudio.

"Estos son hallazgos interesantes en una etapa temprana que comienzan a investigar cómo podemos aplicar nuevas tecnologías, como el aprendizaje automático, para comprender mejor la función cerebral", dijo la Dra. Joanna Latimer, Directora de Neurociencias y Salud Mental del MRC.


Enlace relacionado:
Universidad de Cambridge

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Ultrasound System
Acclarix AX9
New
Miembro Plata
Mobile X-Ray Barrier
Lead Acrylic Mobile X-Ray Barriers
New
Color Doppler Ultrasound System
KC20

Print article

Canales

Radiografía

ver canal
Imagen: El software de reconocimiento de forma DL Precise mejora la precisión y la eficiencia en las imágenes médicas (Fotografía cortesía de DeepLook Medical)

Nueva tecnología de IA podría revolucionar detección del cáncer en senos densos

Casi la mitad de las mujeres de 40 años o más poseen un tejido mamario denso, lo que aumenta su susceptibilidad al cáncer de mama. El desafío de detectar el cáncer en... Más

RM

ver canal
Imagen: Se ha encontrado que 0.55T son suficiente para obtener una imagen de calidad diagnóstica de una resonancia magnética (Fotografía cortesía de 123RF)

Imágenes de resonancia magnética de 0,55 T de campo bajo ofrecen utilidad diagnóstica similar a la de 1,5 T para exploraciones abdominales

La resonancia magnética (RM) es una herramienta vital en el diagnóstico médico, pero el alto costo de los sistemas clínicos de cuerpo entero es una barrera importante.... Más

Ultrasonido

ver canal
Imagen: El ultrasonido intravascular proporciona una imagen más precisa y específica de las arterias coronarias (Fotografía cortesía de 123RF)

Imágenes intravasculares mejoran significativamente resultados en procedimientos de colocación de stent cardiovascular

Las personas con enfermedad de las arterias coronarias, que implica la acumulación de placa en las arterias que provoca síntomas como dolor en el pecho, dificultad para respirar y ataques... Más

Medicina Nuclear

ver canal
Imagen: La técnica de imágenes PET puede detectar de manera no invasiva la inflamación activa antes de que surjan síntomas clínicos (Fotografía cortesía de 123RF)

Nuevo trazador PET detecta artritis inflamatoria antes de que aparezcan síntomas

La artritis reumatoide, la forma más común de artritis inflamatoria, afecta a 18 millones de personas en todo el mundo. Es una enfermedad autoinmune compleja caracterizada por inflamación... Más

Imaginología General

ver canal
Imagen: La TC de tórax de rutina tiene potencial sin explotar para revelar a los pacientes en riesgo de enfermedad cardiovascular (Fotografía cortesía de Johns Hopkins)

Exámenes de TC tórax de rutina pueden identificar pacientes con riesgo de enfermedad cardiovascular

La enfermedad de las arterias coronarias (EAC) es la principal causa de muerte en el mundo. Los adultos sin síntomas pero en riesgo pueden ser detectados mediante tomografías computarizadas... Más

TI en Imaginología

ver canal
Imagen: La nueva Medical Imaging Suite hace que los datos de imágenes de atención médica sean más accesibles, interoperables y útiles (Fotografía cortesía de Google Cloud)

Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles

Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.