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
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Estudio revela el valor de usar tanto el conocimiento humano como la IA para detectar cáncer de mama

Por el equipo editorial de MedImaging en español
Actualizado el 06 May 2022
Print article
Imagen: Los radiólogos y los sistemas de IA muestran diferencias en las pruebas de cáncer de seno (Fotografía cortesía de Unsplash)
Imagen: Los radiólogos y los sistemas de IA muestran diferencias en las pruebas de cáncer de seno (Fotografía cortesía de Unsplash)

Según un nuevo estudio, los radiólogos y los sistemas de inteligencia artificial (IA) arrojan diferencias significativas en la evaluación de las pruebas de detección de cáncer de mama, lo que revela el valor potencial de utilizar tanto métodos humanos como de IA para realizar diagnósticos médicos.

El análisis, realizado por un equipo de investigadores de la Universidad de Nueva York (Nueva York, NY, EUA) se centró en una herramienta específica de IA: las redes neuronales profundas (DNN), que son capas de elementos informáticos, "neuronas", simuladas en una computadora. Una red de tales neuronas se puede entrenar para "aprender" construyendo muchas capas y configurando cómo se realizan los cálculos en función de la entrada de datos, un proceso llamado "aprendizaje profundo". Los científicos compararon las pruebas de detección de cáncer de mama leídas por los radiólogos con las analizadas por las DNN.

Los investigadores encontraron que los DNN y los radiólogos diferían significativamente en la forma en que diagnostican una categoría de cáncer de mama maligno llamada lesiones de tejidos blandos. Mientras que los radiólogos se basaron principalmente en el brillo y la forma, los DNN utilizaron pequeños detalles dispersos en las imágenes. Estos detalles también se concentraron fuera de las regiones consideradas más importantes por los radiólogos. Al revelar tales diferencias entre la percepción humana y la de las máquinas en el diagnóstico médico, los investigadores se abocaron a cerrar la brecha entre el estudio académico y la práctica clínica.

“Si bien la IA puede ofrecer beneficios en el cuidado de la salud, su toma de decisiones aún no es bien comprendida”, explica Taro Makino, candidato a doctorado en el Centro de Ciencia de Datos de la Universidad de Nueva York y autor principal del artículo. “Nuestros hallazgos dan un paso importante para comprender mejor cómo la IA llega a las evaluaciones médicas y, con ello, ofrecer un camino para mejorar la detección del cáncer”.

“El principal cuello de botella al trasladar los sistemas de IA al flujo de trabajo clínico es comprender su toma de decisiones y hacerlos más sólidos”, agregó Makino. “Vemos nuestra investigación como un avance en la precisión de las capacidades de la IA para realizar evaluaciones relacionadas con la salud al iluminar y luego abordar sus limitaciones actuales”.

“En estas pruebas de detección de cáncer de mama, los sistemas de IA consideran pequeños detalles en las mamografías que los radiólogos ven irrelevantes”, explicó Krzysztof Geras, Ph.D., profesor del Departamento de Radiología de la Facultad de Medicina Grossman de la NYU. “Esta divergencia en las lecturas debe entenderse y corregirse antes de que podamos confiar en los sistemas de IA para ayudar a tomar decisiones médicas críticas para la vida”.

Enlaces relacionados:
Universidad de Nueva York  

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Digital Radiography Acquisition Software
VXvue with PureImpact
Compact C-Arm with FPD
Arcovis DRF-C R21
New
Ultrasound Software
UltraExtend NX

Print article

Canales

Radiografía

ver canal
Imagen: El software de reconocimiento de forma DL Precise mejora la precisión y la eficiencia en las imágenes médicas (Fotografía cortesía de DeepLook Medical)

Nueva tecnología de IA podría revolucionar detección del cáncer en senos densos

Casi la mitad de las mujeres de 40 años o más poseen un tejido mamario denso, lo que aumenta su susceptibilidad al cáncer de mama. El desafío de detectar el cáncer en... Más

RM

ver canal
Imagen: Se ha encontrado que 0.55T son suficiente para obtener una imagen de calidad diagnóstica de una resonancia magnética (Fotografía cortesía de 123RF)

Imágenes de resonancia magnética de 0,55 T de campo bajo ofrecen utilidad diagnóstica similar a la de 1,5 T para exploraciones abdominales

La resonancia magnética (RM) es una herramienta vital en el diagnóstico médico, pero el alto costo de los sistemas clínicos de cuerpo entero es una barrera importante.... Más

Ultrasonido

ver canal
Imagen: El ultrasonido intravascular proporciona una imagen más precisa y específica de las arterias coronarias (Fotografía cortesía de 123RF)

Imágenes intravasculares mejoran significativamente resultados en procedimientos de colocación de stent cardiovascular

Las personas con enfermedad de las arterias coronarias, que implica la acumulación de placa en las arterias que provoca síntomas como dolor en el pecho, dificultad para respirar y ataques... Más

Medicina Nuclear

ver canal
Imagen: La técnica de imágenes PET puede detectar de manera no invasiva la inflamación activa antes de que surjan síntomas clínicos (Fotografía cortesía de 123RF)

Nuevo trazador PET detecta artritis inflamatoria antes de que aparezcan síntomas

La artritis reumatoide, la forma más común de artritis inflamatoria, afecta a 18 millones de personas en todo el mundo. Es una enfermedad autoinmune compleja caracterizada por inflamación... 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 © 2000-2024 Globetech Media. All rights reserved.