UNIVERSIDAD DEL VALLE DE MÉXICO

MATERIA:
ESTRUCTURA Y FUNCION HUMANA

ACTIVIDAD:
PRACTICA SOBRE IMAGEN E INTELIGENCIA ARTIFICIAL

NOMBRE DEL ESTUDIANTE:

ESTRADA HERNÁNDEZ DAIRA CAROLINA

NOMBRE DEL DOCENTE:

DR. HERNANDEZ CASTILLO MISAEL OSVALDO

S.L.P, San Luis Potosí, México 03 de Noviembre del 2023

¿Cuál es la diferencia entre la inteligencia artificial y el resto de los softwares?
La inteligencia artificial representa una evolución en el campo del software al permitir que las máquinas
imiten ciertos aspectos de la inteligencia humana, como el aprendizaje, la adaptabilidad y la toma de
decisiones autónoma. Mientras que el software convencional sigue instrucciones predefinidas, la IA puede
aprender de la experiencia y mejorar su rendimiento con el tiempo.

¿Qué es DeepMind?
DeepMind es una empresa británica de inteligencia artificial (IA) fundada en septiembre de 2010 y
adquirida por Google en 2014. La empresa se especializa en el desarrollo de algoritmos de aprendizaje
profundo y en la aplicación de técnicas de inteligencia artificial para resolver problemas complejos.

LENGUAJE RADIOLOGICO PARA LA REDIOGRAFIA BASADO EN ECOGENICIDAD.

En radiología, la ecogenicidad se refiere a la capacidad de un tejido para producir eco en una imagen de
ultrasonido.
Hiperecogénico: Un tejido o estructura que aparece
más brillante en la imagen de ultrasonido debido a una
mayor reflexión de las ondas de ultrasonido. Los huesos
y las estructuras calcificadas suelen ser
hiperecogénicos.
Hipoecogénico: Un tejido o estructura que aparece
más oscuro en la imagen de ultrasonido debido a una
menor reflexión de las ondas de ultrasonido. Los
líquidos, como la sangre o los quistes, a menudo son
hipoecogénicos.
Anecogénico: Un área que no muestra ningún eco, aparece completamente negra en la imagen. Los
líquidos puros, como el agua, son anecogénicos.
Isoecogénico: Un tejido o estructura que tiene una ecogenicidad similar a la de los tejidos circundantes,
lo que resulta en una apariencia similar en la imagen.
Ecogenicidad mixta: Una combinación de áreas hiperecogénicas e hipoecogénicas en una imagen, lo
que indica una variedad de tejidos presentes.
LENGUAJE RADIOLOGICO PARA LA TOMOGRAFIA BASADO EN ECOGENICIDAD.
Es importante señalar que el término "ecogenicidad" se utiliza específicamente en el contexto de la
ultrasonografía, ya que se refiere a la capacidad de los tejidos para producir eco en una imagen de
ultrasonido. En el caso de la tomografía computarizada (TC), se emplea un lenguaje diferente para
describir la apariencia de los tejidos debido a las diferencias en los principios físicos y las tecnologías de
imagen utilizadas. En la TC, la atenuación de los rayos X es la característica principal que se utiliza para
describir la densidad de los tejidos.
Algunos términos comunes utilizados en el lenguaje radiológico para describir la apariencia de los tejidos
en la tomografía computarizada incluyen:
Hiperdenso: Un área que aparece más brillante en la
imagen de TC debido a una mayor absorción de rayos X.
Por ejemplo, el hueso es hiperdenso en las imágenes de
TC.
Hipodenso: Un área que aparece más oscuro en la
imagen de TC debido a una menor absorción de rayos X.
Los tejidos blandos, como el músculo o el hígado, suelen
ser hipodensos en comparación con el hueso.
Isodenso: Un tejido o estructura que tiene una densidad
similar a la de los tejidos circundantes, lo que resulta en
una apariencia similar en la imagen de TC.
Captación de contraste: Se refiere a la capacidad de un tejido para absorber el medio de contraste y,
por lo tanto, cambiar su apariencia en la imagen de TC después de la administración del contraste
radiopaco.
LA APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN RADIOLOGÍA: UNA REVISIÓN NARRATIVA
DESDE LA PERSPECTIVA DE LOS PACIENTES
La integración de la inteligencia artificial (IA) en la radiología ha sido un hito en el desarrollo de la atención
médica. La radiología lidera la adopción de la inteligencia artificial para mejorar la precisión diagnóstica y
la eficiencia en el manejo de imágenes médicas a medida que avanzamos hacia una era donde la
tecnología redefine la práctica médica. No obstante, es fundamental considerar este progreso desde la
perspectiva de los pacientes, quienes son los beneficiarios finales de esta revolución tecnológica.

En primer lugar, se ha demostrado que la inteligencia artificial puede mejorar la precisión y la velocidad
de los diagnósticos en radiología. Los algoritmos de aprendizaje profundo pueden identificar patrones
sutiles que podrían pasar desapercibidos para el ojo humano en cuestión de segundos al analizar grandes
conjuntos de datos. Esto acelera el proceso de diagnóstico y reduce la probabilidad de error humano.
Desde el punto de vista del paciente, esto implica tiempos de espera más cortos y diagnósticos más
confiables, lo que resulta en un alivio emocional y una planificación de tratamiento más rápida.

Además de mejorar la precisión y la velocidad de los diagnósticos, la inteligencia artificial tiene el potencial
de personalizar la atención médica. Para ofrecer un tratamiento más personalizado, los sistemas basados
en IA pueden analizar el historial médico, las imágenes anteriores y otros datos. Esto no solo mejora el
tratamiento, sino que también hace que el paciente se sienta más involucrado y comprendido en su propio
proceso de atención.

Sin embargo, la implementación de la inteligencia artificial en radiología también plantea desafíos y

preocupaciones desde la perspectiva de los pacientes. Los pacientes pueden sentirse ansiosos si no
saben cómo funcionan estos algoritmos o sienten que pierden el control. Es fundamental abordar estas
preocupaciones a través de una comunicación efectiva entre los profesionales de la salud y los pacientes,
asegurándose de que todos comprendan las ventajas y desventajas de la tecnología.

Además, surgen importantes preocupaciones sobre la seguridad de los datos y la privacidad. Los
pacientes deben estar seguros de que se han tomado las medidas de seguridad adecuadas y que sus
datos médicos están protegidos de manera confiable. La confianza del paciente en la aplicación de la
inteligencia artificial en la radiología depende de la transparencia en la recopilación y el uso de datos.

En conclusión, desde la perspectiva de los pacientes, la aplicación de la inteligencia artificial en radiología

presenta un futuro prometedor. Los beneficios significativos incluyen una mejora en la velocidad y
precisión del diagnóstico, así como la posibilidad de tratamientos más personalizados. Sin embargo, para
garantizar una adopción ética y exitosa de esta tecnología, es fundamental abordar las preocupaciones
legítimas sobre la comprensión, la privacidad y la seguridad de los datos. Para garantizar que la
inteligencia artificial en radiología beneficie a todos y marque un avance positivo en la atención médica,
es esencial que profesionales de la salud, ingenieros de software y pacientes trabajen juntos.