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




Un sistema automatizado identifica el tejido mamario denso

Por el equipo editorial de MedImaging en español
Actualizado el 06 Nov 2018
Imagen: un algoritmo de inteligencia artificial puede detectar el tejido mamario denso (Fotografía cortesía de MIT).
Imagen: un algoritmo de inteligencia artificial puede detectar el tejido mamario denso (Fotografía cortesía de MIT).
Un modelo automatizado de aprendizaje profundo (AP) puede evaluar el tejido mamario denso en las mamografías de manera tan confiable como los radiólogos expertos, afirma un nuevo estudio.

Desarrollado por investigadores del Instituto Tecnológico de Massachusetts (MIT, Cambridge, MA, EUA) y de la Facultad de Medicina de Harvard (HMS; Boston, MA, EUA), el modelo de AP se basa en una red neuronal convolucional profunda (CNN) entrenada para evaluar el sistema de datos e informes de las imágenes mamarias (BI-RADS), es decir, la densidad mamaria. Por ejemplo, grasa, dispersa, heterogénea y densa, basada en la interpretación experta de 41.479 mamografías de cribado digital obtenidas en 27.684 mujeres desde enero de 2009 hasta mayo de 2011. El algoritmo fue ensayado en un conjunto de pruebas de 8.677 mamografías en 5.741 mujeres.

Además, cinco radiólogos realizaron un estudio de lectura en 500 mamografías seleccionadas al azar del conjunto de prueba. Finalmente, el algoritmo se implementó en la práctica clínica habitual, donde ocho radiólogos revisaron 10.763 mamografías consecutivas evaluadas con el modelo. Se comparó la concordancia en la categoría BI-RADS para tres conjuntos de lecturas: radiólogos en el conjunto de pruebas, radiólogos que trabajan por consenso en el conjunto de estudio del lector y radiólogos en el conjunto de implementación clínica. Las lecturas se compararon en 5.000 muestras de implementación para evaluar la importancia.

Los resultados revelaron que el modelo de AP mostró una buena concordancia con los radiólogos en el conjunto de pruebas, y con los radiólogos en consenso en el conjunto de estudio del lector. Además, hubo muy buena concordancia con los radiólogos en el conjunto de implementación clínica; para la categorización binaria de senos densos o no densos, el radiólogo de interpretación aceptó 10.149 de 10.763 (94%) de las evaluaciones usando el AP. En las cuatro categorías de BI-RADS, el algoritmo de AP fue equivalente a las evaluaciones de los radiólogos en un 90%. El estudio fue publicado el 16 de octubre de 2018 en la revista Radiology.

"La densidad mamaria es un factor de riesgo independiente que impulsa la forma en que nos comunicamos con las mujeres sobre su riesgo de cáncer. Nuestra motivación fue crear una herramienta exacta y consistente que se pueda compartir y utilizar en todos los sistemas de atención de salud", dijo el autor del estudio, el estudiante de doctorado Adam Yala del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT. "Cuando los radiólogos saquen un examen en sus estaciones de trabajo, verán la calificación asignada del modelo, que luego aceptan o rechazan. Se tarda menos de un segundo por imagen ... [y puede] escalarse de forma fácil y económica en todos los hospitales".

Se calcula que más del 40% de las mujeres tienen tejido mamario denso, que por sí solo aumenta el riesgo de cáncer de mama. Además, el tejido denso puede enmascarar los cánceres en la mamografía, lo que dificulta la detección.

Enlace relacionado:
Instituto Tecnológico de Massachusetts
Facultad de Medicina de Harvard



Portable Color Doppler Ultrasound System
S5000
New
Half Apron
Demi
Ultrasound Table
Women’s Ultrasound EA Table
Biopsy Software
Affirm® Contrast

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.