Volver a Buscador de AI
[1] N.Orta, S. Rubí, I. Barceló, A.Espino, M. Oporto, H. Navalón, B. Luna, C.Sampol, C. Peña. PET-FDG cerebral en la valoración de la encefalitis autoinmune y síndrome paraneoplásico neurológico. Revista Española de Medicina Nuclear e Imagen Molecular. (2018).
[2] P. Aguiar, I. Domínguez-Prado, P. Fierro, Á. Rubial, J. Cortés. Estudio comparativo entre diferentes softwares de cuantificación de PET-FDG cerebral. Revista Española de Medicina Nuclear e Imagen Molecular. (2018).
[3] P. Santos, M.P. Garrrastachu Zumaran, I.Sánchez, M.C. Albornoz, X.L.E Boulevard, F.Cañete, A. Cabrera, R. Delgado, R. Ramírez. PET-18FDG como herramienta en el diagnóstico de Parkinsonianos, nuestra experiencia en 2015-1016. Revista Española de Medicina Nuclear e Imagen Molecular. (2018).
Detección de zonas hipo e hipermetabólicas
Algoritmo diseñado para ayudar en el diagnóstico de áreas cerebrales anormales con una PET-FDG
Qubiotech ha desarrollado una herramienta que sirve como asistencia en medicina nuclear procesando y proporcionando automáticamente información visual y cuantitativa e identificando y detectando zonas hipometabólicas o hipermetabólicas en FDG-PET. El análisis del algoritmo se basa en ROI’s mediante el uso de una de las bases de datos más extensas de PET-FDG (>120 sujetos) de personas normales en el mercado para la extracción de la puntuación z y el % de desviación de la normalidad, además de un análisis estadístico paramétrico (SPM) vóxel a vóxel.
Aplicaciones y enfermedades
Esta herramienta es útil para dar soporte neurológico a los médicos, facilitando la interpretación de informes de medicina nuclear e identificando los patrones de diferentes condiciones neurodegenerativas, reduciendo así la variabilidad interobservador. Proporciona asistencia diagnóstica para identificar la neurodegeneración en etapas tempranas de la enfermedad y descubrir el foco epileptogénico.
Patologías detectables
Beneficios
Análisis basado en regiones de interés que se comparan con una base de datos de normales para extraer puntuaciones z y el % de desviación de la normalidad.
Análisis estadístico paramétrico vóxel a vóxel. Detección e identificación clara de áreas hipometabólicas o hipermetabólicas.
