Compartir es vivir

Volvemos a la carga, un día más, con Pacemaker ID y un soplido para desempolvar el blog. Cuando el 1.0 te exige tiempo y dedicación, el 2.0 se resiente (qué te voy a contar).

Han pasado muchísimas cosas desde el último post. Congresos, jornadas, formación y entre tantas cosas, se nos han pasado por alto dos aniversarios, el del blog (3º) y el del creador del blog (Taitantos) que coinciden el mismo día.

Pero bueno, no nos vayamos por las ramas y «AL LÍO». Hoy te traigo una App de esas que descubres procrastinando por Twitter y que es (como diría mi amigo @Iruxol78) «Canela en rama».

Imaginemos la siguiente situación: Paciente que acude a puertas de Urgencias, inconsciente, sin familiares ni documentación y que es portador de marcapasos. ¿Qué tipo de marcapasos lleva? ¿De qué marca es? Pues con una simple foto podemos solucionar esta situación

¿Con una simple foto?

Así es, a través de una «simple foto» y un complicado sistema de inteligencia artificial (1).

Pacemaker ID

Los investigadores han desarrollado esta App (gratuita) capaz de detectar el modelo de marcapasos implantado gracias a un sistema de Inteligencia Artificial. (Puedes ver más Apps interesantes desde nuestra sección de Apps).

Para entrenar «al aparatito» recogieron un total de 1013 radiografías de tórax. La precisión se evaluó en 203 imágenes de prueba con clasificación correcta en 191/203 de las imágenes.

Al abrir esta App, lo único que tenemos que hacer es una foto a una Rx de Tórax con un marcapasos y nos da el porcentaje de probabilidades de que sea este modelo de marcapasos.

¿Y esto para qué sirve?

Pues en casos de urgencia y mal funcionamiento del marcapasos, no es preciso perder el tiempo con los diversos interrogadores de las varias casas comerciales. Con tan sólo una foto podemos ir » a tiro hecho» y saber cuál es el modelo de interrogados que debemos utilizar.

Me ha gustado ¿Dónde me desgargo esta App?

Puedes descargarla tanto para iOs como para Android. Tan solo tienes que hacer click en el logo.

Descarga la App para iOs
Descarga la App para Android

Bibliografía

  1. Weinreich M, Weinreich B, Chudow JJ, Krumerman T, Rahgozar K, Nag T, et al. COMPUTER-AIDED DETECTION AND IDENTIFICATION OF IMPLANTED CARDIAC DEVICES ON CHEST RADIOGRAPHY UTILIZING DEEP CONVOLUTIONAL NEURAL NETWORKS, A FORM OF MACHINE LEARNING. Journal of the American College of Cardiology. 12 de marzo de 2019;73(9 Supplement 1):307.
Sígueme en Feedly
A %d blogueros les gusta esto: