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 hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




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

Por el equipo editorial de MedImaging en español
Actualizado el 18 Apr 2024
Imagen: El modelo AI ingresa y analiza una imagen de la tomografía de emisión de positrones (PET) (Fotografía cortesía de la Universidad de Chalmers)
Imagen: El modelo AI ingresa y analiza una imagen de la tomografía de emisión de positrones (PET) (Fotografía cortesía de la Universidad de Chalmers)

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

Computed Tomography System
Aquilion ONE / INSIGHT Edition
Biopsy Software
Affirm® Contrast
Ultrasonic Pocket Doppler
SD1
Ultrasound Imaging System
P12 Elite

Canales

Radiografía

ver canal
Imagen: un algoritmo de aprendizaje profundo detecta los niveles de calcio en la arteria coronaria en tomografías computarizadas de tórax (foto cortesía de Adobe Stock)

IA detecta enfermedades cardíacas ocultas en TC de tórax existentes

El calcio en la arteria coronaria (CAC) es un indicador importante del riesgo cardiovascular, pero su evaluación suele requerir una tomografía computarizada (TC) especializada (gated) que... Más

RM

ver canal
Imagen: los investigadores utilizaron RM y pantalones inspirados en la NASA para mejorar las pruebas de esfuerzo y revelar problemas cardíacos ocultos (foto cortesía de UTA)

Nueva técnica de resonancia magnética revela problemas cardíacos ocultos

Las pruebas de esfuerzo tradicionales, realizadas en una máquina de resonancia magnética (RM), requieren que los pacientes permanezcan acostados, una posición que mejora artificialmente... Más

Ultrasonido

ver canal
Imagen: el nuevo dispositivo implantable para el tratamiento del dolor crónico es pequeño y flexible (foto cortesía de The Zhou Lab at USC)

Dispositivo inalámbrico para el manejo del dolor crónico reduce la necesidad de analgésicos y cirugía

El dolor crónico afecta a millones de personas en todo el mundo, lo que a menudo provoca discapacidad a largo plazo y dependencia de opioides, los cuales conllevan riesgos importantes de efectos... Más

Medicina Nuclear

ver canal
Imagen: El estudio de imágenes de cáncer de próstata tiene como objetivo reducir la necesidad de biopsias (foto cortesía de Shutterstock)

Nuevo enfoque de imagen podría reducir la necesidad de biopsias para monitorear el cáncer de próstata

El cáncer de próstata es la segunda causa principal de muerte por cáncer en hombres en Estados Unidos. Sin embargo, la mayoría de los hombres mayores diagnosticados con esta... 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 © 2000-2025 Globetech Media. All rights reserved.