Video Experimental Relacionado
Updated: Feb 12, 2026

A Step-by-Step Implementation of DeepBehavior, Deep Learning Toolbox for Automated Behavior Analysis
Published on: February 6, 2020
Entrenamiento de la inteligencia artificial de diagnóstico en la ecografía de la tiroides: ¿qué tan bien es el
Oana Lozan1, Petra B Musholt1, Ann-Kathrin Lederer1
1Section of Endocrine Surgery, Department of General, Visceral and Transplantation Surgery, University Medical Center Mainz, Langenbeckstraße 1, 55131, Mainz, Germany.
La inteligencia artificial (IA) mejoró significativamente la precisión de la clasificación de nódulos tiroideos utilizando ultrasonido, alcanzando un acuerdo del 92,6% después de las actualizaciones de software. Si bien la IA es una herramienta de diagnóstico sólida, los médicos experimentados siguen siendo esenciales para casos complejos.
Área de la Ciencia:
- Imágenes médicas de imágenes médicas.
- La inteligencia artificial en la medicina.
- Oncología Oncología.
Sus antecedentes:
- La inteligencia artificial (IA) demuestra potencial para mejorar la clasificación TI-RADS para nódulos tiroideos a través de la ecografía de cuello.
- La evaluación de la curva de aprendizaje en el mundo real de la IA en la evaluación de nódulos tiroideos es crucial.
Objetivo del estudio:
- Evaluar la curva de aprendizaje y la mejora del rendimiento de la IA en la clasificación ACR TI-RADS de nódulos tiroideos.
- Para comparar las evaluaciones TI-RADS impulsadas por IA con las de médicos experimentados.
Principales métodos:
- Utilizó ultrasonido 3D con el software PIUR tUS Infinity para la clasificación TI-RADS basada en IA de 176 nódulos en 110 pacientes.
- Repitió el estudio con actualizaciones de software, clasificando 228 nódulos en 133 pacientes.
- Comparó las clasificaciones de la IA con las evaluaciones de un cirujano endocrino experimentado.
Principales resultados:
- La correspondencia inicial AI-TI-RADS fue del 73% (128/176 nódulos), mejorando al 92,6% (210/227 nódulos) después de las actualizaciones de software.
- AI inicialmente malinterpretó el 20% de los nódulos con microcalcificaciones; esto disminuyó al 4.8% después de la actualización.
- Después de la actualización, las discrepancias significativas fueron raras (2.6%), principalmente en casos complejos.
Conclusiones:
- El aprendizaje profundo mejoró significativamente la precisión de la IA en la clasificación ACR TI-RADS, particularmente para nódulos en conglomerados.
- La ecografía con soporte de IA es efectiva para los nódulos tiroideos en tejido no inflamado, pero no puede reemplazar por completo a los médicos expertos para casos complejos.
- La rápida curva de aprendizaje de la IA en esta aplicación es muy alentadora para la futura integración clínica.
Videos de Conceptos Relacionados
Avoidance Learning and Learned Helplessness
Avoidance learning occurs when an organism learns that a specific behavior can prevent an unpleasant outcome. For example, a student who receives a bad grade may start studying harder to avoid future poor grades. This behavior persists even when the negative outcome is no longer present. Avoidance learning is powerful because it maintains behavior in the absence of the...
Associative Learning
Classical conditioning, also known...
Purposive Learning
Observational Learning
Learning Disabilities
Dyslexia
Dyslexia is a...
Introduction to Learning
In contrast to learned behaviors, unlearned behaviors such as crying, sexual...

