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




Algoritmo de IA para la TC categoriza el riesgo de cáncer de los nódulos pulmonares

Por el equipo editorial de MedImaging en español
Actualizado el 19 May 2020
Print article
Imagen: Nódulos pulmonares indeterminados en una TC de pulmón (Fotografía cortesía de Optellum)
Imagen: Nódulos pulmonares indeterminados en una TC de pulmón (Fotografía cortesía de Optellum)
Un estudio nuevo indica que una estrategia de inteligencia artificial (IA) puede evaluar y clasificar correctamente los nódulos pulmonares indeterminados sospechosos (NPI).

Desarrollada en la Universidad de Vanderbilt (Nashville, TN, EUA), Optellum (Oxford, Reino Unido) y otras instituciones, el modelo de red neuronal convolucional de predicción de cáncer de pulmón (LCP-CNN) fue entrenado inicialmente usando imágenes de tomografía computarizada (TC) de NPI del Ensayo de Cribado Nacional del Pulmón (NLST) de EUA, validadas internamente y probadas externamente en cohortes de dos instituciones académicas. Luego, los investigadores compararon el LCP-CNN con los modelos tradicionales de predicción de riesgo en un conjunto de datos muy grande de 15.693 nódulos.

Los resultados mostraron que el modelo de riesgo de IA se asoció con una mayor exactitud para el cálculo del riesgo de enfermedad previsto en cada umbral de manejo de la terapia, así como en las cohortes de validación externa. En comparación con los modelos de riesgo convencionales utilizados actualmente, el algoritmo LCP-CNN reclasificó los NPI en categorías de bajo o alto riesgo en más de un tercio de los cánceres y de los nódulos benignos. El estudio fue publicado el 24 de abril de 2020 en la revista American Journal of Respiratory and Critical Care Medicine.

“La gestión de NPI sigue siendo un desafío, y se necesitan estrategias para disminuir la tasa de procedimientos invasivos innecesarios y optimizar los regímenes de vigilancia”, concluyeron el autor principal, profesor Pierre Massion, MD, de la Universidad de Vanderbilt, y sus colegas. “Este estudio demuestra que este algoritmo de aprendizaje profundo puede reclasificar correctamente los NPI en categorías de bajo o alto riesgo, reduciendo potencialmente la cantidad de procedimientos invasivos innecesarios y demoras en el diagnóstico”.

El aprendizaje profundo es parte de una familia más amplia de métodos de aprendizaje automático de IA que utilizan representaciones de datos, en lugar de algoritmos específicos de tareas. Involucra algoritmos CNN que ejecutan una cascada de muchas capas de unidades de procesamiento no lineales para permitir la extracción, conversión y transformación de características. Cada capa sucesiva utiliza la salida de la capa anterior como entrada para formar una representación jerárquica.

Enlace relacionado:
Universidad de Vanderbilt
Optellum

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Advanced Cardiac MRI Analysis Software
3Di Cardiac MR
Dose Calibration Electrometer
PC Electrometer
Dose Area Product Meter
VacuDAP

Print article

Canales

Radiografía

ver canal
Imagen: Saige-DX es un sistema de IA categórico personalizado diseñado para ayudar en la detección del cáncer de mama (Fotografía cortesía de DeepHealth)

IA ayuda a radiólogos generales a lograr un rendimiento de nivel de especialista en interpretación de mamografías

El cáncer de mama, que afecta a una de cada ocho mujeres a lo largo de su vida, se vuelve mucho más tratable cuando se detecta a tiempo. La tasa de supervivencia relativa a cinco años... 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

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.