Cuestionario vinculado a una guía · Medio Nivel

Prueba de IA en pediatría

Prueba por qué los datos infantiles dificultan la IA, cómo la monitorización de la frecuencia cardíaca en la UCIN predice la sepsis y por qué los modelos de imágenes entrenados por adultos pueden interpretar erróneamente las radiografías de los niños.

Rutas de guía relacionadasIA en pediatría
Pregunta 1 de 8

¿Por qué una IA entrenada con rayos X de adultos podría malinterpretar la imagen ósea de un niño de diez años?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Por qué una IA entrenada con rayos X de adultos podría malinterpretar la imagen ósea de un niño de diez años?
    • Children's X-rays are always in color
    • Normal growth plates in children can resemble fracture lines in adults
    • Children's bones do not appear on X-rays
    • Pediatric X-rays use no radiation
  2. ¿Qué analiza el monitor HeRO para estimar el riesgo de sepsis en bebés prematuros?
    • Heart rate characteristics such as variability and decelerations
    • Blood glucose readings every hour
    • Parent-reported feeding diaries
    • Chest X-ray images
  3. ¿Qué papel juega Canvas Dx de Cognoa, autorizado por la FDA en 2021, en la atención del autismo?
    • It replaces the need for any clinician
    • It is a genetic test for autism
    • It treats autism with behavioral games
    • It is an aid that supports clinicians in diagnosing autism in young children
  4. ¿Qué razón da la guía para que los conjuntos de datos pediátricos sean pequeños?
    • Children's data is never stored electronically
    • Hospitals are banned from using children's data in research
    • Children are healthier on average and rare diseases are spread thin
    • Pediatric images are too large to store
  5. ¿Por qué los profesionales informan la precisión de los modelos pediátricos por grupo de edad?
    • Regulators forbid pooled numbers
    • A pooled figure can hide poor performance in the youngest group
    • Age bands make the model train faster
    • Older children cannot be imaged
  6. What is the risk of fine-tuning an adult-pretrained network on a small pediatric dataset?
    • It can import adult assumptions, so external validation is still essential
    • It always makes the model worse than random
    • It deletes the pediatric data
    • It cannot run on hospital computers
  7. Which approach lets several children's hospitals train a shared model without pooling raw patient data?
    • Bone age estimation
    • Aumento de datos
    • Alert fatigue reduction
    • Federated learning
  8. What misconception about adult AI tools does the guide warn against?
    • That they are too expensive for children's hospitals
    • That they cannot read digital images
    • That they can simply be used on children without separate validation
    • That they require parental consent to run