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

Un método basado en la IA reduce los falsos positivos en la mamografía

Por el equipo editorial de Medimaging en español
Actualizado el 24 Oct 2018
Print article
Imagen: Un estudio nuevo afirma que la inteligencia artificial (IA) puede ayudar a los radiólogos a diferenciar las mamografías falsas positivas de las mamografías malignas y negativas (Fotografía cortesía de iStock).
Imagen: Un estudio nuevo afirma que la inteligencia artificial (IA) puede ayudar a los radiólogos a diferenciar las mamografías falsas positivas de las mamografías malignas y negativas (Fotografía cortesía de iStock).
Un equipo de investigadores de la Universidad de Pittsburgh (Pittsburgh, PA, EUA) ha desarrollado un método de inteligencia artificial (IA) basado en una red neuronal convolucional de aprendizaje profundo (CNN, por sus siglas en inglés) que podría identificar características de imágenes mamográficas matizadas específicas en las pacientes a quienes se le solicitó una segunda mamografía, pero que muestran resultados benignos (falsas positivas) y diferenciar dichas mamografías de aquellas identificadas como malignas o negativas.

Los investigadores realizaron un estudio para determinar si se podría aplicar un aprendizaje profundo para analizar un gran conjunto de mamografías con el fin de distinguir imágenes de mujeres con un diagnóstico maligno, imágenes de mujeres a quienes se les hizo una segunda mamografía y que luego se determinó que tenían lesiones benignas y las imágenes de mujeres que se determinó que estaban libres de cáncer de mama en el momento del examen.

Los investigadores utilizaron un total de 14.860 imágenes de 3.715 pacientes de dos conjuntos de datos de mamografía independientes, el conjunto de datos de mamografía digital de campo completo (FFDM - 1.303 pacientes) y el conjunto de datos digitales de mamografía (DDSM - 2.412 pacientes). Construyeron modelos de CNN y utilizaron métodos de entrenamiento de modelos mejorados para investigar seis escenarios de clasificación que ayudarían a diferenciar las imágenes de las mamografías benignas, las malignas y las que requieren un segundo examen. Al combinar los conjuntos de datos de FFDM y DDSM, el área bajo la curva (AUC) para diferenciar las imágenes benignas, las malignas y las benignas en un segundo examen varió de 0,76 a 0,91. Cuanto más alto es el AUC, mejor será el desempeño, con un máximo de 1, según Shandong Wu, PhD, profesor asistente de radiología, informática biomédica, bioingeniería, sistemas inteligentes y ciencias clínicas y de traducción, y director de Computación Inteligente para el Laboratorio de Imagenología Clínica en el Departamento de Radiología de la Universidad de Pittsburgh, Pennsylvania.

"Demostramos que hay características de imágenes únicas para las imágenes benignas en segunda instancia que el aprendizaje profundo puede identificar y potencialmente ayudar a los radiólogos a tomar mejores decisiones sobre si una paciente debe ser examinada nuevamente o es más probable que sea un resultado falso positivo", dijo Wu. "Basados en la capacidad constante de nuestro algoritmo para discriminar todas las categorías de imágenes de mamografía, nuestros hallazgos indican que efectivamente existen algunas características distintivas únicas de las imágenes en que se solicita un segundo examen innecesariamente. Nuestros modelos de IA pueden complementar a los radiólogos en la lectura de estas imágenes y, en última instancia, beneficiar a las pacientes ayudando a reducir las solicitudes innecesarias para un segundo examen".


Enlace relacionado:
Universidad de Pittsburgh



Print article

Canales

Radiografía

ver canal
Imagen: La plataforma Zenition reúne innovaciones en la captura y el procesamiento de imágenes (Fotografía cortesía de Philips Healthcare).

Una plataforma móvil de brazo-C mejora el desempeño en los quirófanos

Una novedosa plataforma móvil de obtención de imágenes de brazo-C proporciona una guía de imágenes en vivo durante una amplia gama de cirugías que incluyen procedimientos ortopédicos, de traumatismo y vasculares.... Más

Ultrasonido

ver canal
Imagen: El densitómetro óseo de ultrasonido para el calcáneo, Sonost 2000 (Fotografía cortesía de Econet).

La evaluación ósea con el ultrasonido podría aumentar la detección de la osteoporosis

Un estudio nuevo sugiere que la ecografía (US) del hueso calcáneo puede establecer la densidad mineral ósea (DMO) a la par con la absorciometría de rayos X de energía dual estándar (DXA), el actual estándar de oro.... Más

Medicina Nuclear

ver canal
Imagen: La plataforma de radiocirugía giroscópica ZAP-X (Fotografía cortesía de ZAP Surgical Systems).

Una plataforma de radiocirugía giroscópica hace la ablación de tumores de cerebro

Una plataforma nueva de radioterapia (RT) administra radiocirugía estereotáctica de dosis altas (SRS) para extirpar de forma no invasiva los tumores cerebrales y otras afecciones intracraneales seleccionadas.... Más

Imaginología General

ver canal
Imagen: La FDA afirma que la detección mediante termografía del cáncer de mama no tiene una base científica (Fotografía cortesía de Shutterstock).

La FDA emite una alerta contra la detección del cáncer de mama usando termografía

La termografía no se debe utilizar como una alternativa a la mamografía para la detección o el diagnóstico del cáncer de mama, advierte la Administración de Drogas y Alimentos de los EUA (FDA; Silver Spring,... Más

TI en Imaginología

ver canal
Imagen: El software empresarial uPath proporciona mejores herramientas de patología digital (Fotografía cortesía de Roche).

Un software de patología digital mejora la eficiencia del flujo de trabajo

Una plataforma de software novedosa reduce drásticamente los tiempos de generación de imágenes, integra el análisis automatizado de imágenes y permite un mejor intercambio de casos entre patólogos.... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.