Video Experimental Relacionado
Updated: Jun 26, 2026
14:27
Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data
Published on: June 26, 2013
16.1K
Modelos de IA específicos de dominio y basados en visión por computadora frente a modelos de propósito general en el
Yunus Dogan1, Adem Az2, Ozgur Sogut1
1Department of Emergency Medicine, Haseki Training and Research Hospital, University of Health Sciences, Uğur Mumcu Mah. Belediye Sok. No:7 Sultangazi, Istanbul, Turkey.
Journal of imaging informatics in medicine
|January 6, 2026
Resumen
Qure.ai demostró una precisión diagnóstica superior en la interpretación de radiografías de tórax en comparación con especialistas en medicina de emergencia y otros modelos de IA. Este sistema de IA muestra un potencial significativo para el uso clínico en el análisis de imágenes médicas.
Área de la Ciencia:
- Inteligencia artificial en imágenes médicas; Diagnóstico radiológico; Aprendizaje automático para la atención médica
Sus antecedentes:
- La interpretación precisa de PA-CXR es crucial para la medicina de emergencia.; La evaluación del rendimiento diagnóstico de la IA frente a expertos humanos es esencial para la integración clínica.; Los modelos de IA existentes muestran una precisión variable en el análisis complejo de imágenes médicas.
Objetivo del estudio:
- Comparar la precisión diagnóstica de tres modelos de IA (GPT-5, Xray-GPT, Qure.ai) frente a especialistas en medicina de emergencia (EMS).; Evaluar el rendimiento de la IA en la interpretación de PA-CXR de casos del mundo real en departamentos de emergencia.; Identificar sistemas de IA con potencial para capacidades de diagnóstico a nivel de experto.
Principales métodos:
- Estudio prospectivo de precisión diagnóstica transversal utilizando un conjunto de prueba estandarizado de 40 PA-CXR.; Evaluación de 30 EMS y tres modelos de IA (GPT-5, Xray-GPT, Qure.ai) durante 30 días.; Comparación de la precisión diagnóstica en seis categorías, incluidas las afecciones potencialmente mortales.
Principales resultados:
- Qure.ai logró la mayor precisión general, superando significativamente a los EMS y a los modelos basados en GPT (p < 0,001).; GPT-5 y Xray-GPT mostraron una precisión menor que los EMS en la mayoría de las categorías de casos.; Qure.ai se destacó en la identificación de hallazgos críticos como neumonía y neumotórax, igualando el rendimiento de los EMS para radiografías de tórax normales y patologías específicas.
Conclusiones:
- Qure.ai es el único sistema de IA que demuestra un rendimiento diagnóstico comparable o superior al de los expertos humanos en la interpretación de PA-CXR.; El entrenamiento específico del dominio y la arquitectura optimizada son clave para lograr un alto valor clínico en las herramientas de diagnóstico de IA.; Los sistemas de IA como Qure.ai prometen mejorar las capacidades de diagnóstico en radiología de emergencia.
