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
Parker Laboratories

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.

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  


Print article
Radcal
CIRS -  MIRION

Canales

Radiografía

ver canal
Imagen: qTrack es una plataforma de gestión de salud pulmonar completa (Fotografía cortesía de Qure AI)

Sistemas de RD portátiles integrados con IA de rayos X de tórax automatizados mejoran las capacidades de diagnóstico

MinXray, Inc. (Northbrook, IL, EUA) ha mejorado aún más las capacidades de diagnóstico de sus sistemas de radiografía digital con la incorporación de la solución... Más

RM

ver canal
Imagen: Un solo escaneo cerebral puede diagnosticar la enfermedad de Alzheimer (Fotografía cortesía de Colegio Imperial)

Sistema de aprendizaje automático basado en resonancia magnética diagnostica la enfermedad de Alzheimer con un solo escáner cerebral

La enfermedad de Alzheimer es la forma más común de demencia, y aunque la mayoría de las personas con Alzheimer la desarrollan después de los 65 años, las personas menores... Más

Ultrasonido

ver canal
Imagen: La IA se puede usar para identificar nódulos tiroideos benignos y reducir biopsias innecesarias (Fotografía cortesía de Pexels)

IA identifica nódulos tiroideos no cancerosos en imágenes de ultrasonido y reduce las biopsias

Los nódulos tiroideos son muy comunes. La biopsia por aspiración con aguja fina se utiliza para diagnosticar el cáncer de tiroides. Sin embargo, la mayoría de las biopsias producen... Más

TI en Imaginología

ver canal
Imagen: Cómo funciona el manejo de imágenes médicas de Nucleus.io (Fotografía cortesía de NucleusHealth)

Plataforma para el manejo de imágenes agiliza los planes de tratamiento

Un conjunto de soluciones de software del ecosistema de imágenes proporciona accesibilidad segura a las imágenes médicas, mejorando los flujos de trabajo y la atención a los pacientes. La plataforma... Más

Industria

ver canal
Imagen: La reunión anual de la RSNA es la conferencia de imágenes médicas más grandes del mundo (Fotografía cortesía de la RSNA)

La RSNA 2022 ve un aumento en las presentaciones de resúmenes antes de la reunión anual

La Sociedad Radiológica de América del Norte (RSNA, Oak Brook, IL, EUA) ha anunciado que se han presentado casi 10.400 resúmenes científicos y educativos para la 108.... Más
Copyright © 2000-2022 Globetech Media. All rights reserved.