Los investigadores de Harvard han revelado recientemente ReXrankuna tabla de clasificación de código abierto dedicada a la generación de informes de radiología con tecnología de inteligencia artificial. Este importante desarrollo está destinado a revolucionar el campo de la inteligencia artificial en el ámbito de la atención médica, en particular en la interpretación de imágenes de rayos X de tórax. La introducción de ReXrank tiene como objetivo establecer nuevos estándares al proporcionar un marco de evaluación integral y objetivo para modelos de vanguardia. Esta iniciativa fomenta la competencia y la colaboración saludables entre investigadores, médicos y entusiastas de la inteligencia artificial, acelerando el progreso en este dominio crítico.
ReXrank aprovecha diversos conjuntos de datos, como MIMIC-CXR, IU-Xray y CheXpert Plus, para ofrecer un sistema de evaluación comparativa sólido que evoluciona con las necesidades clínicas y los avances tecnológicos. La tabla de clasificación muestra los modelos de mayor rendimiento que impulsan la innovación y podrían transformar la atención al paciente y agilizar los flujos de trabajo médicos. Al fomentar el desarrollo y la presentación de modelos, ReXrank tiene como objetivo ampliar los límites de lo que es posible en la generación de informes y la obtención de imágenes médicas.
La tabla de clasificación está estructurada para proporcionar criterios de evaluación claros y transparentes. Los investigadores pueden acceder al script de evaluación y a un archivo de predicción de muestra para ejecutar sus evaluaciones. El script de evaluación en el repositorio de GitHub de ReXrank permite a los investigadores probar sus modelos en los conjuntos de datos proporcionados y enviar sus resultados para la puntuación oficial. Este proceso garantiza que todos los envíos se evalúen de manera consistente y justa.
Uno de los conjuntos de datos clave utilizados en ReXrank es el conjunto de datos MIMIC-CXR, que contiene más de 377.000 imágenes correspondientes a más de 227.000 estudios radiográficos realizados en el Centro Médico Beth Israel Deaconess en Boston, MA. Este conjunto de datos proporciona una base sustancial para el entrenamiento y la evaluación de modelos. La tabla de clasificación de MIMIC-CXR clasifica los modelos en función de varias métricas, incluidas FineRadScore, RadCliQ, BLEU, BertScore, SembScore y RadGraph. Se destacan los modelos de mayor rendimiento, como MedVersa, CheXpertPlus-mimic y RaDialog, lo que demuestra su rendimiento superior en la generación de informes radiológicos precisos y clínicamente relevantes.
El conjunto de datos de radiografías de IU, otro pilar de ReXrank, incluye 7470 pares de informes de radiología y radiografías de tórax de la Universidad de Indiana. La clasificación de este conjunto de datos sigue la división proporcionada por R2Gen y clasifica los modelos en función de su rendimiento en múltiples métricas. Los modelos líderes en esta categoría incluyen MedVersa, RGRG y RadFM, que han demostrado capacidades excepcionales en la generación de informes.
CheXpert Plus, un conjunto de datos que contiene 223.228 pares únicos de informes de radiología y radiografías de tórax de más de 64.000 pacientes, también se utiliza en ReXrank. La tabla de clasificación de CheXpert Plus clasifica los modelos en función de su rendimiento en el conjunto válido. Modelos como MedVersa, RaDialog y CheXpertPlus-mimic han sido reconocidos por sus excelentes resultados en la generación de informes de radiología de alta calidad.
Para participar en ReXrank, se anima a los investigadores a desarrollar sus modelos, ejecutar el script de evaluación y enviar sus predicciones para obtener la puntuación oficial. Un tutorial en el repositorio de GitHub de ReXrank agiliza el proceso de envío, lo que garantiza que los investigadores puedan navegar por él de manera eficiente y recibir sus puntuaciones.
En conclusión, la introducción de Harvard proporciona un marco de evaluación transparente, objetivo y completo; ReXrank está preparado para impulsar la innovación y la colaboración en el campo. Se invita a los investigadores, médicos y entusiastas de la IA a unirse a esta iniciativa, desarrollar sus modelos y contribuir a la evolución de las imágenes médicas y la generación de informes.
Revisar la Papel. Todo el crédito por esta investigación corresponde a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de Telegram y LinkedIn Gr¡Arriba!. Si te gusta nuestro trabajo, te encantará nuestro Boletin informativo..
No olvides unirte a nuestro Más de 47 000 suscriptores de ML en Reddit
Encuentra lo próximo Seminarios web sobre IA aquí
Asif Razzaq es el director ejecutivo de Marktechpost Media Inc. Como ingeniero y emprendedor visionario, Asif está comprometido con aprovechar el potencial de la inteligencia artificial para el bien social. Su iniciativa más reciente es el lanzamiento de una plataforma de medios de inteligencia artificial, Marktechpost, que se destaca por su cobertura en profundidad de noticias sobre aprendizaje automático y aprendizaje profundo que es técnicamente sólida y fácilmente comprensible para una amplia audiencia. La plataforma cuenta con más de 2 millones de visitas mensuales, lo que ilustra su popularidad entre el público.
