Modelo de IA detecta 90 % de casos de cáncer linfático a partir de imágenes de PET y TC

El uso de la inteligencia artificial (IA) en el análisis de imágenes médicas ha sido testigo de avances significativos recientemente. Se están desarrollando nuevas herramientas impulsadas por IA para ayudar a diagnosticar una variedad de afecciones médicas, ofreciendo apoyo a los radiólogos brindando opiniones adicionales o priorizando a los pacientes que requieren atención urgente. Estos sistemas de IA también promueven la equidad en la atención médica al garantizar que los pacientes reciban experiencia constante y evaluaciones de imágenes oportunas, independientemente de la ubicación del hospital. Esto es particularmente beneficioso para las enfermedades raras, que los radiólogos pueden no encontrar con frecuencia, ya que la IA tiene acceso a un rango más amplio de información. Ahora, un estudio histórico que involucra el análisis de imágenes de linfoma asistido por IA, un tipo de cáncer que afecta el sistema linfático, destaca los avances recientes en los métodos asistidos por computadora para interpretar imágenes médicas.

Investigadores de la Universidad Tecnológica de Chalmers (Gotemburgo, Suecia) han desarrollado un modelo informático llamado Lars (siglas en inglés para Sistema Lector Artificial de Linfoma) que identifica con precisión los signos de cáncer de ganglio linfático en el 90 % de los casos. Basándose en más de 17.000 imágenes de más de 5.000 pacientes con linfoma, Lars ha sido entrenado para detectar signos visuales de cáncer en el sistema linfático. Los investigadores utilizaron archivos de imágenes que abarcan más de una década y compararon los diagnósticos finales de los pacientes con sus tomografías por emisión de positrones (PET) y tomografías computarizadas (TC) tomadas antes y después del tratamiento.

Lars examina las imágenes PET para detectar patrones que indiquen la presencia o ausencia de linfoma. El modelo de IA fue entrenado para detectar signos de cáncer de ganglio linfático sin ser programado con instrucciones predeterminadas para buscar en las imágenes, lo que le permite aprender por sí mismo qué patrones son cruciales para realizar predicciones precisas. A pesar de los resultados prometedores, es esencial una mayor validación antes de que Lars pueda implementarse en entornos clínicos, lo que marca los próximos pasos hacia la integración de la IA en el diagnóstico de salud.

"En el estudio estimamos que la precisión del modelo informático es de alrededor del noventa por ciento y, especialmente en el caso de imágenes difíciles de interpretar, podría ayudar a los radiólogos en sus evaluaciones", afirmó Ida Häggström, profesora asociada del departamento de Ingeniería Eléctrica en Chalmers.

Enlaces relacionados:
Universidad Tecnológica de Chalmers

Visitar la expo >

New

Ultrasound Needle Guidance System

SonoSite L25

Wall Fixtures

MRI SERIES

New

Post-Processing Imaging System

DynaCAD Prostate

Ultrasonic Pocket Doppler

SD1