Buscar en Google Scholar
Título: Validación analítica de un software de inteligencia artificial para el cálculo del ángulo de anteversión femoral por tomografía computarizada en pacientes pediátricos de 6 a 16 años que acudieron al Instituto Nacional de Salud del Niño San Borja en el periodo de enero del 2019 a agosto del 2023
Asesor(es): Ugas Charcape, Carlos Federico
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.11.02
Fecha de publicación: 2024
Institución: Universidad Nacional Mayor de San Marcos
Resumen: Determina la concordancia entre la medición por inteligencia artificial y la medición manual del radiólogo en la estimación del ángulo de anteversión femoral por tomografía computarizada en pacientes pediátricos de 6 a 16 años que acudieron al Instituto Nacional de Salud del Niño San Borja en el periodo de enero del 2019 a agosto del 2023. La investigación en inteligencia artificial aplicada a la medicina es un campo en crecimiento, con un potencial significativo para mejorar la práctica médica. En particular, la radiología ha sido pionera en la aplicación de algoritmos de machine learning. Sin embargo, esta tendencia no se ha traducido adecuadamente al ámbito pediátrico, y, más específicamente, existe una carencia de investigaciones relacionadas con la medición del ángulo de anteversión femoral por IA utilizando imágenes de tomografía computarizada en nuestra población latinoamericana. El uso de estas herramientas tecnológicas avanzadas en este contexto podría acelerar los análisis, abordar la escasez de radiólogos pediátricos y mejorar los tiempos de informe para la toma de decisiones.
Disciplina académico-profesional: Radiología
Institución que otorga el grado o título: Universidad Nacional Mayor de San Marcos. Facultad de Medicina. Unidad de Posgrado
Grado o título: Segunda Especialidad Profesional en Radiología
Jurado: Hidalgo Armijo, Heli Dilmer; Rojas Mezarina, Leonardo Ronyald
Fecha de registro: 27-jun-2024



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons