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
Ingresar
Publique su anuncio con nosotros
Ampronix,  Inc

Eventos

28 ene 2019 - 01 feb 2019

Inteligencia artificial para mejorar la interpretación de mamogramas

Por el equipo editorial de Medimaging en español
Actualizado el 11 Jul 2018
Print article
Imagen: Los investigadores usaron la inteligencia artificial para mejorar la interpretación de los imágenes de los mamogramas (Fotografía cortesía del Laboratorio Nacional Oak Ridge del Departamento de Energía).
Imagen: Los investigadores usaron la inteligencia artificial para mejorar la interpretación de los imágenes de los mamogramas (Fotografía cortesía del Laboratorio Nacional Oak Ridge del Departamento de Energía).
Un equipo de investigadores del Laboratorio Nacional del Departamento de Energía Oak Ridge (Oak Ridge, TN, EUA) utilizó con éxito la inteligencia artificial para mejorar la comprensión de los procesos cognitivos implicados en la interpretación de imágenes. Su trabajo, publicado en la revista Journal of Medical Imaging, ayudará a reducir los errores en el análisis de las imágenes de diagnóstico por parte de los profesionales de la salud y tiene el potencial de mejorar los resultados de salud para las mujeres afectadas por el cáncer de mama.

La detección temprana del cáncer de mama es fundamental para un tratamiento eficaz, que requiere una interpretación exacta de los mamogramas de las pacientes. El equipo de investigadores liderado por el ORNL descubrió que los análisis de las mamografías realizados por los radiólogos se vieron significativamente influenciados por el sesgo del contexto o por las experiencias previas de diagnóstico del radiólogo. Los nuevos practicantes de radiología fueron los más susceptibles al fenómeno, aunque incluso los radiólogos más experimentados son víctimas en cierta medida, según los investigadores.

Los investigadores diseñaron un experimento destinado a seguir los movimientos oculares de los radiólogos en varios niveles de habilidad para comprender mejor el sesgo de contexto involucrado en sus interpretaciones individuales de las imágenes. El experimento siguió los movimientos oculares de tres radiólogos certificados y siete residentes de radiología que analizaron 100 estudios mamográficos de la Base de Datos Digital de la Universidad del Sur de la Florida para las mamografías de cribado. Las 400 imágenes, que representan una mezcla de cáncer, sin cáncer y casos que simulan cáncer pero que son benignos, se seleccionaron específicamente para cubrir una gama de casos similar a la que se encuentra en un entorno clínico.

Los participantes, que fueron agrupados por niveles de experiencia y no tenían conocimiento previo de lo que estaba contenido en las radiografías individuales, fueron equipados con un dispositivo de seguimiento ocular montado en la cabeza diseñado para registrar sus “datos de mirada sin procesar”, que caracterizaban su comportamiento visual general. El estudio también registró las decisiones de diagnóstico de los participantes a través de la ubicación de los hallazgos sospechosos junto con sus características de acuerdo con el léxico BI-RADS, el esquema de informes de los radiólogos para las mamografías. Al calcular una medida conocida como dimensión fractal en la ruta de exploración de los participantes individuales (mapa de movimientos oculares) y realizar una serie de cálculos estadísticos, los investigadores pudieron discernir cómo los movimientos oculares de los participantes difieren entre las diferentes mamografías. También calcularon la desviación en el contexto de las diferentes categorías de imágenes, como las imágenes que muestran cáncer y las que pueden ser más fáciles o más difíciles de descifrar.

Para poder seguir eficazmente los movimientos oculares de los participantes, los investigadores tuvieron que emplear datos de sensores en tiempo real, que registran casi todos los movimientos de los ojos de los participantes. Sin embargo, con 10 observadores que interpretaron 100 casos, los datos pronto comenzaron a sumarse, por lo que no es práctico administrar manualmente una tarea de datos tan intensiva. Esto hizo que los investigadores recurrieran a la inteligencia artificial para ayudarlos a encontrar los resultados de manera eficiente y efectiva. Utilizando la supercomputadora Titan del ORNL, los investigadores pudieron entrenar rápidamente los modelos de aprendizaje profundo necesarios para dar sentido a los grandes conjuntos de datos. Mientras que estudios similares en el pasado han usado métodos de agregación para dar sentido a los enormes conjuntos de datos, el equipo de investigadores del ORNL procesó la secuencia de datos completa, una tarea crítica debido a que con el tiempo esta secuencia reveló diferenciaciones en los caminos de los ojos de los participantes mientras analizaron las diversas mamografías.

En un artículo relacionado publicado en el Journal of Human Performance in Extreme Environments, los investigadores demostraron cómo las redes neuronales convolucionales, un tipo de inteligencia artificial aplicada comúnmente al análisis de imágenes, superaban significativamente a otros métodos, como redes neuronales profundas y redes de creencias profundas en el análisis de los datos de seguimiento visual y, por extensión, a validar el experimento como un medio para medir el sesgo por contexto. Además, aunque el experimento se centró en radiología, los datos resultantes llevaron a la necesidad de crear “interfaces inteligentes y sistemas de apoyo a las decisiones” para ayudar al desempeño humano en una variedad de tareas complejas, incluido el control del tráfico aéreo y la gestión en el campo de batalla.

Si bien es poco probable que las máquinas reemplacen a los radiólogos (u otros humanos involucrados en decisiones rápidas y de alto impacto), tienen un enorme potencial para ayudar a los profesionales de la salud y otros responsables de la toma de decisiones a reducir errores debido a fenómenos como el sesgo de contexto, dijo Gina Tourassi, líder del equipo y directora del Instituto de Ciencias de Datos de Salud del ORNL. “Estos hallazgos serán fundamentales en la capacitación futura de los profesionales médicos para reducir los errores en las interpretaciones de las imágenes de diagnóstico. Estos estudios informarán las interacciones entre humanos y computadoras, avanzando a medida que usemos inteligencia artificial para aumentar y mejorar el desempeño humano”, dijo Tourassi.




Print article
Radcal
Italray

Canales

Radiografía

ver canal
Imagen: Un estudio nuevo afirma que las radiografías de tórax pueden ayudar a limitar la terapia con antibióticos en caso de sospecha de neumonía (Fotografía cortesía de Alami).

Los rayos-X del tórax excluyen con efectividad la neumonía pediátrica

Un nuevo estudio afirma que los niños con sospecha clínica baja de neumonía y una radiografía de tórax negativa pueden ser observados de forma segura sin necesidad de tener que recurrir a la terapia con... Más

Ultrasonido

ver canal
Imagen: Una solución nueva de ultrasonido para la evaluación de las mamas combina imágenes de alta calidad con herramientas clínicas complementarias (Fotografía cortesía de Philips Healthcare).

El ultrasonido integrado de la mama hace que los exámenes sean más fáciles y rápidos

Una solución innovadora de ultrasonido centrada en las pacientes para la evaluación mamaria combina imágenes avanzadas, elastografía de solución completa, detección y biopsia de precisión.... Más

Medicina Nuclear

ver canal
Imagen: un nuevo estudio sugiere que la WBRT que evita el hipocampo puede preservar la función cognitiva (Fotografía cortesía de Getty Images).

Una técnica nueva de radioterapia cerebral total reduce el riesgo de deterioro neurocognitivo

Según un estudio nuevo, los efectos cognitivos adversos de la radioterapia cerebral total (WBRT, por sus siglas en inglés) se pueden mitigar de manera significativa mediante el uso de una técnica de preservación... Más

TI en Imaginología

ver canal
Imagen: Un simple portal para pacientes almacena imágenes e informes (Fotografía cortesía de Intelerad).

Un portal centrado en los pacientes facilita el acceso a la imagenología directa

Un portal nuevo de imagenología brinda a los pacientes acceso directo a su historial de exámenes, imágenes e informes en cualquier momento y en cualquier lugar. La plataforma de imágenes en la nube... Más
Copyright © 2000-2018 Globetech Media. All rights reserved.