Consideraciones sobre la introducción del software iMagis® como mediador didáctico en ciencias de la salud
Palabras clave:
enseñanza, diagnóstico, inteligencia artificial, pronóstico, terapéutica, tomografía computarizada por rayos XResumen
Introducción: Las tecnologías empleadas en el diagnóstico médico mediante imágenes comprenden dos grandes tipos, según precisen detalles anatómicos o funcionales de los órganos o tejidos analizados.
Objetivo: Valorar la eficacia de la introducción del software iMagis® como mediador didáctico formativo en ciencias de la salud.
Opinión: Además de aprovechar las potencialidades tecnológicas existentes, se hace necesario incorporar el iMagis® como mediador didáctico en los procesos formativos de los estudiantes de medicina, tecnologías y residencias de diversas especialidades médicas y quirúrgicas en ciencias de la salud; se impone diseñar metodologías que pauten el empleo del software, desde las singularidades gnoseológicas de las carreras y especializaciones en su dinámica formativa, para subvertir las insuficiencias evidenciadas en la preparación de los futuros profesionales de la salud, para interpretar las imágenes, que limitan el desempeño profesional y aportan elementos trascendentes al diagnóstico médico.
Conclusión: Se considera oportuno elaborar estrategias que permitan optimizar la utilización del software iMagis® como mediador didáctico con fines docentes, en las diferentes carreras y residencias de las ciencias de la salud.
Descargas
Citas
1. Juárez Landín C, Mendoza Pérez MA, García Ibarra JRS, Sánchez Soto JM. Procesamiento digital de señales e imágenes médicas con propósito de diagnóstico para reducir riesgos en salud [Internet]. Ciencia Latina. 2024;8(5):2925-30. DOI: 10.37811/cl_rcm.v8i5.13751
2. Tripathi S, Sharma N. Computer-aided automatic approach for denoising of magnetic resonance images. Computer Methods in Biomechanics and Biomedical Engineering[Internet]. Imaging and Visualization. 2021; 9(6):707-16. DOI:10.1080/21681163.2021.1944914
3. Dalda Navarro JA, Navarro Martín MT, Negre Ferrer E, Negre Ferrer C, Navarro Martín AB, Dalda Navarro V. La revolución de la resonancia magnética en el diagnóstico de enfermedades neurológicas [Internet]. Revista Sanitaria de Investigación. 2024 [acceso: 10/11/2024]; 5(6): [aprox. 10 p]. Disponible en: https://revistasanitariadeinvestigacion.com/la-revolucion-de-la-resonancia-magnetica-en-el-diagnostico-de-enfermedades-neurologicas/
4. Dalda Navarro JA, Negre Ferre E, Negre Ferrer C, Navarro Martín AB, Navarro Martín MT, Dalda Navarro V. Impacto de las imágenes de alta resolución en la detección temprana de enfermedades renales [Internet]. Revista Sanitaria de Investigación. 2024 [acceso: 11/01/2025];5(7): [aporx. 10 p.] Disponisble en: https://dialnet.unirioja.es/servlet/articulo?codigo=9704229
5. González RC, Woods RE. Digital Image Processing [Internet]. Fourth Edition. Global Edition. New York N.Y.: Pearson Education Limited; 2018. Disponible en: https://www.cl72.org/090imagePLib/books/Gonzales,Woods-Digital.Image.Processing.4th.Edition.pdf
6. Brossard Alejo JS, Ronda Betancourt D, Artigas Fuente F, Núñez, Ferrer P, Cuetu Reyes A, Tasse Licea F, et al. Telemedicina. Con visión de futuro. Revista Avances médicos de Cuba. 1999; (3):20-2.
7. de Paiva LF, Boaro Carvalho JM., Santes Fernandes AG, da Silva Martins CM, Braz Junior G. Metodología Deep Features para Diagnóstico de Glaucoma [Internet]. Revista Brasileña de Desarrollo. 2020; 6(6):41048-60. DOI: 10.34117/bjdv6n6-589
8. Cruz Martínez I, González Oliva A, Machado Acuña. Consideraciones sobre la implementación del iMagis® para la interpretación de imágenes diagnósticas digitales con fines docentes en tecnología de la salud [Internet]. MEDISAN. 2013 [acceso: 05/04/2025];17(7):2080-3. Disponible en: https://www.redalyc.org/pdf/3684/368444994020.pdf
9. Daudinot López M, Miller Clemente RA. Una solución PACS cubana bajo software libre que sirve de plataforma a especializaciones médicas [Internet]. Revista Cubana de Informática Médica. 2016 [acceso: 05/05/2025]; 8(2):186-96. Disponible en: https://revinformatica.sld.cu/index.php/rcim/article/view/148
10. Guzmán Díaz C, Vega Aguilar DB. Sistema para el almacenamiento y transmisión de imágenes médicas, versión 3.0 [Internet]. Revista Cubana de Informática Médica. 2014 [acceso: 05/05/2025] 6(1):17-23. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1684-18592014000100003&lng=es
11. Carter C, Veale B. Digital Radiography and PACS.4th Edition. Mosby; 2022.
12. Yang L. DICOM Standard and Its Application in Radioinformatics[Internet]. International Journal of Computer Science and Information Technology. 2024 [acceso: 01/06/2025]; 2(1):384-90. Disponible en: https://wepub.org/index.php/IJCSIT/article/view/1009
13. Cabezas Salmon M, Rivero Cruz L, Licea Milán DV, Meriño Benavide F. La gestión del proyecto transversal de la Universidad de Oriente durante la pandemia de Covid-19 [Internet]. Revista Universidad y Sociedad. 2023 [acceso: 01/06/2025];15(2): 132-40. Disponible en: https://rus.ucf.edu.cu/index.php/rus/article/view/3613/3554
14. Mesa Pujals AA, Hernández Cortés KS, Montoya Pedrón A, Bolaños Vaillant S, Álvarez Guerra ED. Análisis de texturas homogéneas para la estimación volumétrica de la materia cerebral por tomografía computarizada [Internet]. Revista Cubana de Informática Médica. 2022 [acceso: 18/05/2024]; 14 (1):e512. Disponible en: https://revinformatica.sld.cu/index.php/rcim/article/view/512
15. Hernández-Cortés KS, Mesa-Pujals AA, García-Gómez O, Montoya Pedrón A. Brain morphometry in adult: volumetric visualization as a tool in image processing[Internet]. Rev . mex . neurocienc. 2021; 22(3):101-11. DOI:10.24875/rmn.20000074
16. Pérez-Careta E, Guzmán-Sepúlveda JR, Lozano-García JM, Torres-Cisneros M, Guzmán-Cabrera R. Clasificación de imágenes médicas mediante aprendizaje automático [Internet]. Dyna. 2022;97(1): 35-8. DOI: 10.6036/10117
17. Bhattacharya S, Reddy Maddikunta PK, Pham QV, Gadekallu TR, Krishnan S SR, Chowdhary CL, et al. Deep learning and medical image processing for coronavirus (COVID-19) pandemic: A survey [Internet]. Sustainable Cities and Society 2021;65:102589.DOI: 10.1016/j.scs.2020.102589
18. Litjens G, Kooi T, . Bejnordi BE, Setio AAA, Ciompi F, Ghafoorian M, et al. A survey on deep learning in medical image analysis[Internet]. Medical Image Analysis. 2017; 42: 60-88. DOI: 10.1016/j.media.2017.07.005
19. Theriault-Lauzier P, Cobin D, Tastet O, Labrecque Langlais E, Taji B, Kang G, et al. A Responsible Framework for Applying Artificial Intelligence on Medical Images and Signals at the Point of Care: The PACS-AI Platform [Internet]. Can J Cardiol. 2024; 40(10):1828-40. DOI: 10.1016/j.cjca.2024.05.025
20. Dalda Navarro JA, Navarro Martín MT, Negre Ferrer E, Negre Ferrer C, Navarro Martín AB, Dalda Navarro V. El papel del técnico en imagen para el diagnóstico y medicina nuclear en situaciones de emergencia [Internet]. Revista Sanitaria de Investigación. 2024[acceso: 11/01/2025];5(3): [aprox. 10 p]. Disponible en: https://revistasanitariadeinvestigacion.com/el-papel-del-tecnico-en-imagen-para-el- diagnostico-y-medicina-nuclear-en-situaciones-de-emergencia/
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Julio Santiago Brossard Alejo , Natacha Lescaille Elías, Zenén Rodríguez Fernández, Adrián Alberto Mesa Pujals
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cual estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons. Los contenidos que aquí se exponen pueden ser compartidos, copiados y redistribuidos en cualquier medio o formato. Pueden ser adaptados, remezclados, transformados o creados otros a partir del material, mediante los siguientes términos: Atribución (dar crédito a la obra de manera adecuada, proporcionando un enlace a la licencia, e indicando si se han realizado cambios); no-comercial (no puede hacer uso del material con fines comerciales) y compartir-igual (si mezcla, transforma o crea nuevo material a partir de esta obra, podrá distribuir su contribución siempre que utilice la misma licencia que la obra original).
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada.
