Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Programa informático supera a radiólogos en análisis de RM cerebrales

Por el equipo editorial de MedImaging en español
Actualizado el 18 Oct 2016
Imagen: Un programa de computadora vence a los radiólogos en el análisis de resonancias magnéticas (Fotografía cortesía de la CWRU).
Imagen: Un programa de computadora vence a los radiólogos en el análisis de resonancias magnéticas (Fotografía cortesía de la CWRU).
Un nuevo estudio que enfrentó a dos médicos en contra de un algoritmo informático de análisis de imágenes de resonancia magnética (RM) del cerebro, encontró que el programa era casi dos veces más exacto.
 
Investigadores de la Universidad Case Western Reserve (CWRU; Cleveland, OH, EUA) y del Centro Médico Southwestern de la Universidad de Texas (Dallas, TX, EUA), realizaron un estudio para determinar la viabilidad de usar las características de textura extraídas por computador, para diferenciar entre la necrosis por radiación y los tumores cerebrales en los exámenes de resonancia magnética post-radioquimioterapia. En total, se utilizaron 58 exámenes de pacientes, con 43 siendo la cohorte de capacitación para el algoritmo y 15 siendo la cohorte de prueba.
 
Un conjunto de características radiómicas fue extraída para cada lesión en cada secuencia de RM - T1WI, T2WI con gadolinio y FLAIR. Se utilizó la selección de características para identificar las cinco mejores características más discriminatorias para cada secuencia de resonancia magnética en la cohorte de capacitación. Estas características fueron evaluadas, a continuación, en la cohorte de ensayo mediante un clasificador de máquinas de vectores de soporte. La clasificación del desempeño fue comparada contra lecturas de diagnóstico por dos neuroradiólogos expertos, que tenían acceso a las mismas secuencias de RM que el clasificador. Finalmente, los hallazgos histológicos clínicos fueron confirmados por un neuropatólogo experimentado.
 
Los resultados revelaron que, en la comparación directa, un neuroradiólogo diagnosticó siete pacientes correctamente, y el segundo médico diagnosticó correctamente ocho pacientes. El programa de ordenador, por otro lado, estuvo correcto en 12 de las 15 imágenes por resonancia magnética. Los investigadores ahora están buscando validar la exactitud de los algoritmos usando una colección mucho más grande de imágenes de varios sitios diferentes, por lo que con el tiempo podría ser utilizado como una herramienta de ayuda para las decisiones, con el fin de ayudar a los neuroradiólogos a mejorar su confianza en la identificación de una lesión sospechosa. El estudio fue publicado el 15 de septiembre de 2016, en la revista American Journal of Neuroradiology.
 
“Uno de los mayores desafíos con la evaluación del tratamiento de los tumores cerebrales es diferenciar entre los efectos de confusión de la radiación y la recurrencia del cáncer; en una resonancia magnética, se ven muy similares”, dijo el autor principal, el ingeniero biomédico, Pallavi Tiwari, PhD, de la CWRU. “Lo que los algoritmos ven y que los radiólogos no, son las diferencias sutiles en las mediciones cuantitativas de la heterogeneidad del tumor y la descomposición en la microarquitectura en la RM, que son mayores en la recidiva tumoral”.
 
“Mientras que los médicos utilizan la intensidad de los píxeles en las imágenes por resonancia magnética como una guía, el computador ve en los bordes de cada píxel; si los bordes apuntan en la misma dirección, la arquitectura está conservada”, añadió el autor principal, el profesor de ingeniería biomédica Anant Madabhushi, PhD, director del Centro para Imagenología Computacional y Diagnósticos Personalizados en la CWRU. “Si apuntan en diferentes direcciones, la arquitectura está interrumpida- entropía o desorden y la heterogeneidad es mucho más alta”.
 
En una reciente competición en el Simposio 2016 Internacional de Imágenes Biomédicas (ISBI), realizado en abril en Praga (República Checa), un algoritmo informático de aprendizaje automático que fue entrenado para reconocer la metástasis del cáncer de mama en los ganglios linfáticos identificó correctamente el 92% por ciento de las veces, casi igualando la tasa de éxito del 96% de un patólogo humano.

Enlaces relacionados:
 
Case Western Reserve University
University of Texas Southwestern Medical Center
 

Ultrasound Imaging System
P12 Elite
40/80-Slice CT System
uCT 528
Medical Radiographic X-Ray Machine
TR30N HF
New
Diagnostic Ultrasound System
DC-80A

Canales

RM

ver canal
Imagen: los investigadores utilizaron RM y pantalones inspirados en la NASA para mejorar las pruebas de esfuerzo y revelar problemas cardíacos ocultos (foto cortesía de UTA)

Nueva técnica de resonancia magnética revela problemas cardíacos ocultos

Las pruebas de esfuerzo tradicionales, realizadas en una máquina de resonancia magnética (RM), requieren que los pacientes permanezcan acostados, una posición que mejora artificialmente... Más

Ultrasonido

ver canal
Imagen: el nuevo dispositivo implantable para el tratamiento del dolor crónico es pequeño y flexible (foto cortesía de The Zhou Lab at USC)

Dispositivo inalámbrico para el manejo del dolor crónico reduce la necesidad de analgésicos y cirugía

El dolor crónico afecta a millones de personas en todo el mundo, lo que a menudo provoca discapacidad a largo plazo y dependencia de opioides, los cuales conllevan riesgos importantes de efectos... Más

Medicina Nuclear

ver canal
Imagen: El estudio de imágenes de cáncer de próstata tiene como objetivo reducir la necesidad de biopsias (foto cortesía de Shutterstock)

Nuevo enfoque de imagen podría reducir la necesidad de biopsias para monitorear el cáncer de próstata

El cáncer de próstata es la segunda causa principal de muerte por cáncer en hombres en Estados Unidos. Sin embargo, la mayoría de los hombres mayores diagnosticados con esta... Más

TI en Imaginología

ver canal
Imagen: La nueva Medical Imaging Suite hace que los datos de imágenes de atención médica sean más accesibles, interoperables y útiles (Fotografía cortesía de Google Cloud)

Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles

Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.