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
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




IA predice riesgo de recurrencia del cáncer de pulmón mediante tomografías computarizadas

Por el equipo editorial de MedImaging en español
Actualizado el 28 Dec 2022
Print article
Imagen: El estudio OCTAPUS-AI utilizó el aprendizaje automático para ver cuán exactamente podría predecir la recurrencia del cáncer de pulmón (Fotografía cortesía de Pexels)
Imagen: El estudio OCTAPUS-AI utilizó el aprendizaje automático para ver cuán exactamente podría predecir la recurrencia del cáncer de pulmón (Fotografía cortesía de Pexels)

El cáncer de pulmón de células no pequeñas (CPCNP) representa casi cinco sextos (85 %) de los casos de cáncer de pulmón y, cuando se detecta a tiempo, la enfermedad suele ser curable. Sin embargo, más de un tercio (36 %) de los pacientes con CPCNP en el Reino Unido experimentan una reaparición del cáncer, lo que se conoce como recurrencia. Según los últimos resultados de un estudio, la inteligencia artificial (IA) podría ayudar a identificar el riesgo de que el cáncer regrese en pacientes con CPCNP mediante tomografías computarizadas.

La última fase del estudio OCTAPUS-AI dirigido por investigadores de The Royal Marsden NHS Foundation Trust (Londres, Reino Unido) utilizó imágenes y datos clínicos de más de 900 pacientes con CPCNP del Reino Unido y los Países Bajos después de radioterapia curativa para desarrollar y probar algoritmos de aprendizaje automático (ML) para ver con qué precisión los modelos podrían predecir la recurrencia. Se utilizó una medida conocida como “área bajo la curva” (AUC) para expresar la efectividad de esta herramienta. Un AUC de uno significa que el sistema siempre es correcto; 0,5 es el puntaje que esperaría si fuera una suposición aleatoria y cero significa que siempre está equivocado.

Los datos de imágenes se tomaron de las tomografías computarizadas de planificación del tratamiento, que todos los pacientes con CPCNP realizan antes de la radioterapia. Para analizar estos datos, los investigadores utilizaron una técnica llamada radiómica, que puede extraer información de pronóstico sobre la enfermedad del paciente a partir de imágenes médicas que el ojo humano no puede ver. Los datos de esta técnica también pueden vincularse potencialmente con marcadores biológicos. Como resultado, los investigadores creen que la radiómica podría ser una herramienta útil tanto para personalizar la medicina como para mejorar la vigilancia posterior al tratamiento.

Los resultados del estudio revelan que el modelo de los investigadores fue mejor para identificar correctamente qué pacientes con CPCNP tenían un mayor riesgo de recurrencia dentro de los dos años posteriores a la finalización de la radioterapia, que un modelo basado en el sistema de estadificación TNM. Este modelo logró un AUC de 0,738, mejorando la técnica de estadificación TNM tradicional que obtuvo una puntuación de 0,683. TNM, que describe la cantidad y la propagación del cáncer en el cuerpo de un paciente, es actualmente el estándar de oro para predecir el pronóstico de los pacientes con cáncer.

“Si bien se encuentra en una etapa muy temprana, este trabajo sugiere que nuestro modelo podría ser mejor para predecir correctamente el nuevo crecimiento del tumor que los métodos tradicionales. Esto significa que, al usar nuestra tecnología, los médicos pueden eventualmente identificar la recurrencia antes en pacientes de alto riesgo”, dijo el líder del estudio, el Dr. Sumeet Hindocha, registrador especialista en oncología clínica en The Royal Marsden NHS Foundation Trust y miembro de investigación clínica en el Colegio Imperial de Londres. “A continuación, queremos explorar técnicas de aprendizaje automático más avanzadas, como el aprendizaje profundo, para ver si podemos obtener resultados aún mejores. Luego queremos probar este modelo en pacientes con CPCNP recién diagnosticados y seguirlos para ver si el modelo puede predecir con precisión su riesgo de recurrencia”.

Enlaces relacionados:
The Royal Marsden NHS Foundation Trust  

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Ceiling-Mounted Digital Radiography System
Radiography 5000 C
Portable X-Ray Unit
AJEX240H
New
Color Doppler Ultrasound System
KC20

Print article
Radcal

Canales

RM

ver canal
Imagen: Un nuevo estudio ha vinculado el amiloide anormal en la sangre con los cambios cerebrales en la resonancia magnética de difusión (Fotografía cortesía de la Universidad de Florida)

Nuevo método de resonancia magnética detecta enfermedad de Alzheimer antes en personas sin signos clínicos

El método actual para evaluar a los pacientes en busca de enfermedad de Alzheimer implica combinar revisiones de historial médico, exámenes neurológicos, evaluaciones cognitivas... Más

Ultrasonido

ver canal
Imagen: Los médicos ahora pueden ver la actividad de la médula espinal durante la cirugía (Fotografía cortesía de UC Riverside)

Tecnología de imágenes por ultrasonido permite a médicos observar actividad de médula espinal durante cirugía

Históricamente, los tratamientos para el dolor de espalda durante la cirugía han sido difíciles de evaluar de manera efectiva, en gran parte porque los pacientes bajo anestesia no... Más

Medicina Nuclear

ver canal
Imagen: Imágenes preoperatorias y postoperatorias de PSMA-PET/CT que muestran la extirpación de ganglios linfáticos pélvicos positivos en el procedimiento quirúrgico radioguiado (Fotografía cortesía de M.G.M. Schilham)

Cirugía radioguiada detecta y elimina con precisión ganglios linfáticos metastásicos en pacientes con cáncer de próstata

En pacientes con diagnóstico reciente de cáncer de próstata, la presencia y ubicación de metástasis en los ganglios linfáticos son fundamentales para guiar las... 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.