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 hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Nueva herramienta de IA detecta con precisión seis tipos diferentes de cáncer en escáneres PET/TC de cuerpo entero

Por el equipo editorial de MedImaging en español
Actualizado el 24 Jun 2024
Print article
Imagen: Ejemplos ilustrativos de segmentaciones tumorales predichas mediante un enfoque de aprendizaje de transferencia profunda en seis tipos de cáncer (foto cortesía de la Universidad Johns Hopkins)
Imagen: Ejemplos ilustrativos de segmentaciones tumorales predichas mediante un enfoque de aprendizaje de transferencia profunda en seis tipos de cáncer (foto cortesía de la Universidad Johns Hopkins)

La detección y caracterización automática del cáncer son cruciales para iniciar un tratamiento temprano. La mayoría de los modelos de inteligencia artificial (IA) diseñados para detectar el cáncer se basan en conjuntos de datos que son pequeños o de tamaño moderado y normalmente se centran en un solo tipo de cáncer y/o radiotrazador. Esta limitación es un obstáculo importante en los métodos de formación y evaluación existentes utilizados para la IA en imágenes médicas y radiología. Ahora, se ha demostrado que un nuevo método de IA identifica con precisión seis tipos diferentes de cáncer en exploraciones PET/CT de todo el cuerpo. Esta herramienta también cuantifica automáticamente la carga tumoral, lo que puede ayudar a evaluar el riesgo del paciente, predecir las respuestas al tratamiento y estimar las probabilidades de supervivencia.

En la Facultad de Medicina de la Universidad Johns Hopkins (Baltimore, MD, EUA), investigadores han desarrollado una técnica de aprendizaje por transferencia profunda (una forma de IA) para la segmentación totalmente automatizada de tumores y el pronóstico mediante exploraciones PET/CT de cuerpo entero. El estudio analizó datos de 611 exploraciones PET/CT con FDG de pacientes con cáncer de pulmón, melanoma, linfoma, cáncer de cabeza y cuello y cáncer de mama, además de 408 exploraciones PET/CT con PSMA de pacientes con cáncer de próstata. Este método de IA extrajo automáticamente características radiómicas y métricas de imágenes de todo el cuerpo de las segmentaciones tumorales previstas para cuantificar la carga y la absorción del tumor molecular en todos los tipos de cáncer estudiados.

Estas características cuantitativas y métricas de imágenes se utilizaron luego para construir modelos predictivos que resultaron útiles para estratificar el riesgo, estimar la supervivencia y predecir la respuesta al tratamiento en pacientes con cáncer. Los investigadores esperan que en un futuro próximo, las herramientas de IA generalizables y totalmente automatizadas contribuyan significativamente en los centros de imágenes al ayudar a los médicos en la interpretación de las exploraciones PET/CT para pacientes con cáncer. Además, este enfoque de aprendizaje profundo podría revelar importantes conocimientos moleculares sobre los procesos biológicos que actualmente no se investigan lo suficiente en grandes cohortes de pacientes.

"Además de realizar el pronóstico del cáncer, el enfoque proporciona un marco que ayudará a mejorar los resultados y la supervivencia de los pacientes al identificar biomarcadores predictivos sólidos, caracterizar los subtipos de tumores y permitir la detección y el tratamiento tempranos del cáncer", dijo Kevin H. Leung, PhD, investigador asociado de la Facultad de Medicina de la Universidad Johns Hopkins. "El enfoque también puede ayudar en el tratamiento temprano de pacientes con enfermedad avanzada en etapa terminal al identificar regímenes de tratamiento apropiados y predecir la respuesta a terapias, como la terapia radiofarmacéutica". Los hallazgos del estudio se presentaron en la Reunión Anual de 2024 de la Sociedad de Medicina Nuclear e Imágenes Moleculares (SNMI).

Enlaces relacionados:
Facultad de Medicina de la Universidad Johns Hopkins

New
Miembro Oro
X-Ray QA Meter
T3 AD Pro
New
Digital X-Ray Detector Plate
Acuity DRe
New
Ultra-Flat DR Detector
meX+1717SCC
New
Imaging Table
CFPM201

Print article
Radcal

Canales

Radiografía

ver canal
Imagen: El prototipo del escáner TC elimina la necesidad de compresión física de la mama (foto cortesía de Quion Lowe y Lisa Dahm/U of A Cancer Center)

Nueva tecnología de detección de cáncer de mama podría ofrecer una alternativa superior a la mamografía

El cáncer de mama representa el 15,5 % de los nuevos casos de cáncer y el 7 % de las muertes relacionadas con el cáncer en los Estados Unidos. Aproximadamente el 13,1 % de las mujeres... Más

RM

ver canal
Imagen:  El software AiMIFY, impulsado por IA, ha recibido la autorización de la FDA como SaMD de clase II para RM cerebral (Foto cortesía de Bracco Diagnostics)

Software innovador impulsado por IA mejora significativamente las resonancias magnéticas cerebrales

La resonancia magnética (RM) con contraste utiliza agentes de contraste para iluminar tejidos o anomalías específicas, lo que mejora la visualización y proporciona información... Más

Ultrasonido

ver canal
Imagen: CHEST ha publicado una nueva guía clínica sobre el procesamiento y la manipulación de muestras obtenidas mediante aspiración con aguja transbronquial guiada por ecografía endobronquial (foto cortesía del CHEST)

Nueva guía sobre el manejo de muestras de aguja transbronquial por ultrasonido endobronquial

La aspiración transbronquial con aguja guiada por ecografía endobronquial (EBUS-TBNA, por sus siglas en inglés) se ha convertido en el procedimiento estándar para el diagnóstico... Más

Medicina Nuclear

ver canal
Imagen: Un estudio ha mostrado beneficios a largo plazo de PSMA-PET en pacientes con cáncer de próstata recurrente (Shutterstock)

Imágenes PET con PSMA mejoran los resultados en pacientes con cáncer de próstata recurrente

Si bien la tomografía por emisión de positrones con antígeno prostático específico de membrana (PET-PSMA) ha demostrado una mayor sensibilidad y especificidad en comparación con las técnicas de diagnóstico... 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

Industria

ver canal
Imagen:La asociación tiene como objetivo ayudar a acelerar el acceso a tratamientos que salvan vidas (Foto cortesía de Philips)

Philips y Medtronic se asocian para el cuidado de accidentes cerebrovasculares

Un accidente cerebrovascular (ACV) es típicamente un incidente agudo causado principalmente por una obstrucción en un vaso sanguíneo del cerebro, lo cual interrumpe el suministro adecuado... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.