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.

Please note that the MedImaging website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
ICRco

Deascargar La Aplicación Móvil




Eventos

ATENCIÓN: Debido a la EPIDEMIA DE CORONAVIRUS, ciertos eventos están siendo reprogramados para una fecha posterior o cancelados por completo. Verifique con el organizador del evento o el sitio web antes de planificar cualquier evento próximo.
15 jul 2020 - 19 jul 2020
Virtual Venue

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


Print article
Clear Image Devices
Radcal

Canales

Radiografía

ver canal
Imagen: Esquema de un dispositivo para imágenes de rayos X de campo oscuro (Fotografía cortesía de la TUM)

Radiografías pulmonares de bajas dosis facilitan el diagnóstico del coronavirus

Un método novedoso de rayos X que implica una radiación significativamente menor que la tomografía computarizada (TC) puede ayudar a identificar las anomalías en la COVID-19. Desarrollado en la Universidad... Más

RM

ver canal
Imagen: El sistema Canon Vantage Orian 1,5T MR (Fotografía cortesía de Canon Medical Systems)

Acelerador para la resonancia magnética mejora la eficiencia diagnóstica

La innovadora tecnología Compressed SPEEDER, diseñada para el sistema médico Vantage Orian 1,5T MR de Canon (Tochigi, Japón), puede mejorar los tiempos de exploración de resonancia magnética (RM) al reconstruir... Más

Industria

ver canal
Imagen: AI-Rad Companion Chest CT genera automáticamente informes estandarizados, reproducibles y cuantitativos en formato DICOM SC (Fotografía cortesía de Siemens Healthineers).

Software para la TC de tórax basada en IA de Siemens Healthineers recibe aprobación de la FDA de los EUA

La Administración de Medicamentos y Alimentos de los Estados Unidos (FDA) aprobó tres módulos de AI-Rad Companion Chest CT, un asistente de software inteligente de Siemens Healthineers (Erlangen, Alemania)... Más
Copyright © 2000-2020 Globetech Media. All rights reserved.