54 artigos
A área de Radiologia e Imagem médica representa os olhos modernos da ciência, permitindo que os profissionais visualizem o interior do corpo humano sem necessidade de cirurgias invasivas. Desde ressonâncias magnéticas detalhadas até tomografias computorizadas rápidas, essas tecnologias são fundamentais para diagnosticar doenças com precisão e planejar tratamentos eficazes. No Gist.Science, buscamos tornar esses avanços compreensíveis para todos, transformando descobertas complexas em informações claras e úteis.
Nesta categoria, você encontrará as mais recentes descobertas provenientes do medRxiv, o principal repositório de pré-publicações médicas. Processamos automaticamente cada novo estudo publicado lá, oferecendo não apenas resumos técnicos aprofundados para especialistas, mas também versões em linguagem simples para que qualquer pessoa possa entender a importância da pesquisa. Abaixo, apresentamos a seleção mais recente de artigos sobre radiologia e imagem que acabaram de chegar ao nosso sistema.
Este estudo demonstra que modelos de regressão emsemble, treinados com métricas de avaliação de qualidade de imagem automatizadas e validados por especialistas, podem fornecer um controle de qualidade transparente e clinicamente significativo para a tradução de imagens médicas geradas por IA, alcançando alta concordância com avaliações visuais humanas.
Este estudo de validação multi-conjunto de dados demonstra que os parâmetros técnicos de aquisição, especificamente o tipo de visão radiográfica, são responsáveis pela maioria das disparidades de desempenho em sistemas de IA para radiografias de tórax, superando significativamente as contribuições de fatores demográficos como idade e sexo.
Este estudo fornece evidências multimodais de que a imersão ativa em uma segunda língua está associada a uma função otimizada do sistema glinfático, sugerindo que a experiência bilíngue pode conferir benefícios neuroprotetores ao melhorar a coordenação cérebro-LCR, a estrutura do plexo coroide e o fluxo perivascular.
Este estudo demonstra que a combinação de Imagem do Modelo Padrão (SMI) e Imagem por Tensor de Difusão (DTI) oferece uma caracterização mais completa e com melhor desempenho discriminativo das alterações microestruturais na esclerose múltipla do que o uso isolado de cada técnica, especialmente na distinção entre lesões e substância branca normal.
Este estudo demonstra que a aquisição de imagens de ressonância magnética de difusão com múltiplas camadas de b (multi-shell) combinada com modelos de difusão avançados oferece uma caracterização microestrutural mais robusta e discriminativa das lesões da esclerose múltipla do que as abordagens convencionais de camada única.
Este estudo piloto demonstrou que o uso de escores de risco poligênico (PRS) em mulheres de 40 a 49 anos pode reestratificar as recomendações de rastreamento mamográfico para uma abordagem mais personalizada, sem aumentar a ansiedade das participantes.
O artigo descreve o protocolo de um ensaio clínico randomizado e controlado na Noruega que avalia se uma estratégia de leitura de mamografias apoiada por inteligência artificial, que ajusta o número de radiologistas conforme o risco, é não inferior ao método padrão de dupla leitura independente para a detecção de câncer de mama.
Este estudo exploratório demonstra que a imagem fotoacústica é uma técnica promissora e não invasiva para identificar alterações moleculares específicas nos músculos de pacientes com miopatia mitocondrial, oferecendo um potencial biomarcador para monitorar a progressão da doença sem a necessidade de biópsias.
Este estudo demonstra que a desconectividade funcional aumentada nas redes de substância branca intra-associada ao Transtorno do Espectro Autista está significativamente correlacionada com a gravidade dos sintomas sociais, oferecendo novos insights sobre os substratos neurais da condição.
Este estudo demonstra que um modelo de segmentação automatizada baseado em aprendizado por transferência com nnU-Net, pré-treinado em TOF-MRA e ajustado em dados de 4D Flow MRI, supera outros métodos de deep learning ao fornecer segmentações precisas que garantem quantificação hemodinâmica confiável, evidenciando a relação direta entre a acurácia da segmentação e a precisão das métricas hemodinâmicas derivadas.