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 mejora las capacidades de la tomografía computarizada de baja dosis

Por el equipo editorial de MedImaging en español
Actualizado el 02 Apr 2025
Imagen: el modelo multimodal de base multitarea mejora el detección del cáncer de pulmón (foto cortesía de 123RF)
Imagen: el modelo multimodal de base multitarea mejora el detección del cáncer de pulmón (foto cortesía de 123RF)

El cáncer de pulmón sigue siendo una de las enfermedades más difíciles de abordar, lo que hace que el diagnóstico temprano sea fundamental para un tratamiento eficaz. Afortunadamente, los avances en inteligencia artificial (IA) están revolucionando el cribado del cáncer de pulmón, mejorando tanto su precisión como su eficiencia. Si bien los métodos de cribado actuales, como la tomografía computarizada de baja dosis (TCBD), ayudan a confirmar la presencia de cáncer de pulmón, a menudo se ven limitados por altas tasas de falsos positivos y una gran variabilidad en la identificación de hallazgos incidentales pero clínicamente importantes, incluidos aquellos relacionados con enfermedades cardiovasculares. Además, la tasa global de detección con TCBD se mantiene por debajo del 10 %, en parte debido a la escasez de radiólogos. Ahora, un nuevo estudio ha presentado un modelo de base multimodal y multitarea que mejora sustancialmente la eficacia de la TCBD en la detección del cáncer de pulmón.

Este innovador modelo de IA, desarrollado y probado por un equipo del Instituto Politécnico Rensselaer (RPI; Troy, NY, EUA) en colaboración con otros investigadores, mejora la predicción del riesgo de cáncer de pulmón en un 20 % y la predicción del riesgo cardiovascular en un 10 %. Es el primer modelo que aborda más de una docena de tareas relacionadas simultáneamente, incorporando datos de varias fuentes, como imágenes de TC, informes radiológicos, factores de riesgo de pacientes y otros hallazgos clínicos. El estudio, publicado en Nature Communications, destaca el potencial significativo de este modelo en entornos clínicos. Al integrar imágenes de TC con datos textuales, este modelo mejora en gran medida la precisión de la detección y predicción del cáncer de pulmón, lo cual es crucial para mejorar los resultados del paciente. Una de las principales ventajas de utilizar modelos fundacionales en medicina es su capacidad para mejorar el rendimiento en tareas relacionadas cuando se entrenan con grandes conjuntos de datos, como los de cribado por TC. Por ejemplo, este modelo se muestra prometedor en el avance del rendimiento en oncología, un campo donde los datos específicos de tareas particulares suelen ser escasos.

“Este trabajo se ha acelerado significativamente gracias a las instalaciones de computación de alto rendimiento del RPI”, afirmó Chuang Niu, Ph.D., científico investigador en RPI y autor principal del estudio. “Actualmente, nuestro equipo multiinstitucional está ampliando aún más las capacidades de nuestro modelo fundacional utilizando un volumen creciente de datos multimodales, empleando tanto nuestras propias GPU como las instalaciones de computación de alto rendimiento Empire AI del estado de Nueva York. La colaboración entre instituciones líderes subraya la creciente sinergia entre la inteligencia artificial y la investigación médica, con el potencial de revolucionar la detección y el tratamiento de las enfermedades”.

Enlaces relacionados:
Instituto Politécnico Rensselaer  

New
Mobile X-Ray System
K4W
Ultrasonic Pocket Doppler
SD1
Breast Localization System
MAMMOREP LOOP
X-Ray Illuminator
X-Ray Viewbox Illuminators

Canales

Radiografía

ver canal
Imagen: el software Prognosia Breast ha recibido la designación de Dispositivo Innovador de la FDA (foto cortesía de Shutterstock)

Tecnología de IA predice el riesgo personalizado de desarrollar cáncer de mama a cinco años

El cáncer de mama sigue siendo uno de los cánceres más comunes entre las mujeres, y aproximadamente una de cada ocho recibe un diagnóstico a lo largo de su vida. A pesar del uso generalizado de la mamografía,... Más

Ultrasonido

ver canal
Imagen: la herramienta basada en ultrasonido NEOSONICS identifica de forma no invasiva los casos de meningitis infantil (foto cortesía de Newborn Solution)

Herramienta no invasiva basada en ultrasonido detecta con precisión la meningitis infantil

La meningitis, una inflamación de las membranas que rodean el cerebro y la médula espinal, puede ser mortal en bebés si no se diagnostica y trata a tiempo. Incluso con tratamiento, puede dejar daños permanentes,... Más

Medicina Nuclear

ver canal
Imagen: la herramienta de diagnóstico podría mejorar las decisiones de diagnóstico y tratamiento para pacientes con infecciones pulmonares crónicas (foto cortesía de SNMMI)

Nueva técnica de PET específica para bacterias detecta infecciones pulmonares difíciles de diagnosticar

Mycobacteroides abscessus es una micobacteria de rápido crecimiento que afecta principalmente a pacientes inmunodeprimidos y a personas con enfermedades pulmonares preexistentes, como fibrosis... 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.