{"version":"1","article":{"id":"italy-mri-radiomics-glioma-encephalitis-2026","slug":"italy-mri-radiomics-glioma-encephalitis-2026","language":"es","url":"https://haberpaper.com/es/news/italy-mri-radiomics-glioma-encephalitis-2026","api_url":"https://haberpaper.com/api/v1/articles/italy-mri-radiomics-glioma-encephalitis-2026?lang=es","title":"Un pequeño estudio italiano prueba una IA para diferenciar glioma y encefalitis con resonancia","summary":"Investigadores de Roma compararon modelos de radiómica y aprendizaje automático con resonancias sin contraste de 41 pacientes. El mejor modelo FLAIR obtuvo un AUC de 0,82; los autores piden una validación multicéntrica más amplia.","category":"business","region":"world","topics":["ai"],"published_at":"2026-10-13T20:11:52+03:00","modified_at":"2026-10-13T20:11:52+03:00","publication_basis":"publication-record","event_period":"2026-10-10","event_period_basis":"event-or-reference-period","sources":[{"name":"Scientific Reports, Radiomics and machine learning analysis to differentiate low grade glioma and encephalitis on non-contrast MRI","url":"https://www.nature.com/articles/s41598-026-74097-z","checkedAt":"2026-10-13","publishedAt":"2026-10-10"}],"translations":[{"language":"tr","url":"https://haberpaper.com/tr/news/italy-mri-radiomics-glioma-encephalitis-2026","api_url":"https://haberpaper.com/api/v1/articles/italy-mri-radiomics-glioma-encephalitis-2026?lang=tr"},{"language":"en","url":"https://haberpaper.com/en/news/italy-mri-radiomics-glioma-encephalitis-2026","api_url":"https://haberpaper.com/api/v1/articles/italy-mri-radiomics-glioma-encephalitis-2026?lang=en"},{"language":"ar","url":"https://haberpaper.com/ar/news/italy-mri-radiomics-glioma-encephalitis-2026","api_url":"https://haberpaper.com/api/v1/articles/italy-mri-radiomics-glioma-encephalitis-2026?lang=ar"},{"language":"fr","url":"https://haberpaper.com/fr/news/italy-mri-radiomics-glioma-encephalitis-2026","api_url":"https://haberpaper.com/api/v1/articles/italy-mri-radiomics-glioma-encephalitis-2026?lang=fr"},{"language":"es","url":"https://haberpaper.com/es/news/italy-mri-radiomics-glioma-encephalitis-2026","api_url":"https://haberpaper.com/api/v1/articles/italy-mri-radiomics-glioma-encephalitis-2026?lang=es"}],"data_types":[],"data":null,"data_compilations":[],"data_downloads":[],"content":{"paragraphs":["Un estudio de un solo centro publicado el 10 de octubre en Scientific Reports examinó resonancias 3T sin contraste de 41 pacientes en los que resultaba difícil diferenciar en urgencias un glioma de bajo grado de una encefalitis. Investigadores de la Universidad de Roma Tor Vergata y unidades hospitalarias afiliadas entrenaron clasificadores de bosque aleatorio con características radiómicas de imágenes T2-FLAIR, de difusión y T1. El grupo se dividió en 31 casos de entrenamiento y 10 de validación independiente. Los modelos basados en FLAIR rindieron mejor; el modelo de varias secuencias que combinó radiómica y datos clínicos obtuvo un AUC de 0,80.","Para ese modelo combinado, el artículo informa de una sensibilidad del 100 %, especificidad del 80 % y exactitud del 90 % en el conjunto de validación. Sin embargo, ese conjunto solo tenía diez pacientes y los intervalos de confianza eran amplios: el AUC del modelo FLAIR fue 0,82, con un intervalo del 95 % de 0,54 a 1,00. Los autores califican el trabajo de prueba de concepto y señalan que se necesitan estudios multicéntricos mayores antes de un uso clínico."],"key_points":[],"sections":[]},"text":"Investigadores de Roma compararon modelos de radiómica y aprendizaje automático con resonancias sin contraste de 41 pacientes. El mejor modelo FLAIR obtuvo un AUC de 0,82; los autores piden una validación multicéntrica más amplia.\n\nUn estudio de un solo centro publicado el 10 de octubre en Scientific Reports examinó resonancias 3T sin contraste de 41 pacientes en los que resultaba difícil diferenciar en urgencias un glioma de bajo grado de una encefalitis. Investigadores de la Universidad de Roma Tor Vergata y unidades hospitalarias afiliadas entrenaron clasificadores de bosque aleatorio con características radiómicas de imágenes T2-FLAIR, de difusión y T1. El grupo se dividió en 31 casos de entrenamiento y 10 de validación independiente. Los modelos basados en FLAIR rindieron mejor; el modelo de varias secuencias que combinó radiómica y datos clínicos obtuvo un AUC de 0,80.\n\nPara ese modelo combinado, el artículo informa de una sensibilidad del 100 %, especificidad del 80 % y exactitud del 90 % en el conjunto de validación. Sin embargo, ese conjunto solo tenía diez pacientes y los intervalos de confianza eran amplios: el AUC del modelo FLAIR fue 0,82, con un intervalo del 95 % de 0,54 a 1,00. Los autores califican el trabajo de prueba de concepto y señalan que se necesitan estudios multicéntricos mayores antes de un uso clínico.","corrections":[],"editorial_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"Taller industrial simbólico con maquinaria, almacén y grúa.","language":"es"},"section_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"Taller industrial simbólico con maquinaria, almacén y grúa.","language":"es"}}}