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




Una herramienta nueva de aprendizaje automático predice con exactitud el cáncer de próstata

Por el equipo editorial de MedImaging en español
Actualizado el 04 Mar 2019
Print article
Investigadores de la Facultad de Medicina Icahn en Monte Sinaí (Nueva York, NY, EUA) y de la Facultad de Medicina Keck de la Universidad del Sur de California (Los Ángeles, CA, EUA) han desarrollado un marco de aprendizaje automático que puede diferenciar entre el cáncer de próstata de bajo y alto riesgo con mayor precisión que nunca. Se espera que el marco ayude a los médicos, en particular a los radiólogos, a identificar las opciones de tratamiento con mayor exactitud para los pacientes con cáncer de próstata, reduciendo la necesidad de una intervención clínica innecesaria.

Los métodos estándar que se utilizan actualmente para evaluar el riesgo de cáncer de próstata son las imágenes de resonancia magnética multiparamétricas (mpMRI), que detectan lesiones de próstata, y el Sistema de Datos e Informes de Imágenes de Próstata, versión 2 (PI-RADS v2), un sistema de calificación de cinco puntos que clasifica las lesiones encontradas en la mpMRI. Estas herramientas predicen sólidamente la probabilidad de un cáncer de próstata clínicamente significativo. Sin embargo, la puntuación PI-RADS v2 es subjetiva y no distingue claramente entre los niveles de cáncer intermedio y maligno (puntuaciones 3, 4 y 5), lo que resulta en diferentes interpretaciones entre los médicos, la mayor parte de las veces.

Para remediar este inconveniente, se ha propuesto combinar el aprendizaje automático con la radiografía, una rama de la medicina que utiliza algoritmos para extraer grandes cantidades de características cuantitativas de las imágenes médicas. Mientras que otros estudios solo han probado un número limitado de métodos de aprendizaje automático para abordar esta limitación, los investigadores de Monte Sinaí y USC han desarrollado un marco predictivo que evaluó de manera rigurosa y sistemática muchos de esos métodos para identificar el que tiene el mejor desempeño. El marco también aprovecha conjuntos de datos de entrenamiento y validación más amplios que los estudios anteriores, permitiendo a los investigadores clasificar el cáncer de próstata de los pacientes con alta sensibilidad y un valor predictivo aún mayor.

“Al combinar de manera rigurosa y sistemática el aprendizaje automático con la radiografía, nuestro objetivo es proporcionar a los radiólogos y al personal clínico una herramienta de predicción sólida que se pueda traducir en una atención al paciente más efectiva y personalizada”, dijo Gaurav Pandey, PhD, Profesor Asistente de Genética y Ciencias Genómicas en la Facultad de Medicina Icahn en Monte Sinaí y autor correspondiente principal de la publicación junto con el coautor correspondiente, Bino Varghese, PhD, Profesor Asistente de Investigación en Radiología en la Facultad de Medicina Keck en la USC. “El camino para predecir la progresión del cáncer de próstata con alta exactitud está en permanente mejora y creemos que nuestro marco objetivo es un avance muy necesario”.

Enlace relacionado:
Facultad de Medicina Icahn en Monte Sinaí
Facultad de Medicina Keck de la Universidad del Sur de California


New
X-Ray Illuminator
X-Ray Viewbox Illuminators
New
Mobile Cath Lab
Photon F65/F80
LED-Based X-Ray Viewer
Dixion X-View
Portable Color Doppler Ultrasound Scanner
DCU10

Print article

Canales

Radiografía

ver canal
Imagen: la solución de análisis de mamografías impulsada por IA INSIGHT MMG (foto cortesía de Lunit)

La mamografía impulsada por IA mejora la detección de cáncer en entornos de lectura única

Un nuevo estudio ha revelado que una solución impulsada por inteligencia artificial (IA) mejora significativamente la detección del cáncer en entornos de mamografías con un solo lector sin aumentar las... Más

Ultrasonido

ver canal
Imagen: La sonda universal Vave (Foto cortesía de Vave Health)

El primer ultrasonido inalámbrico, portátil y de cuerpo entero con un solo transductor PZT

Los dispositivos de ultrasonido desempeñan un papel vital en el campo de la medicina, utilizándose rutinariamente para examinar los tejidos y estructuras internas del cuerpo. Si bien los avances han mejorado... Más

Medicina Nuclear

ver canal
Imágenes PET/TC con 68Ga-FZ-NR-1 e imágenes PET/TC y PET/RM con 18F-FDG en pacientes representativos con TNBC con nectina-4 positiva (foto cortesía del Journal of Nuclear Medicine)

Nuevo radiotrazador identifica biomarcador para el cáncer de mama triple negativo

El cáncer de mama triple negativo (CMTN), que representa entre el 15 % y el 20 % de todos los casos de cáncer de mama, es uno de los subtipos más agresivos, con una tasa de supervivencia a cinco años de... Más

Imaginología General

ver canal
Imágenes axiales de ventana pulmonar de TC de tórax sin contraste de tres parches de muestra diferentes que se muestran en cada fila (Foto cortesía de Radiology: Cardiothoracic Imaging)

TC de dosis ultra baja ayuda en el diagnóstico de neumonía en pacientes inmunocomprometidos

Las infecciones pulmonares pueden poner en peligro la vida de los pacientes con sistemas inmunitarios debilitados, por lo que el diagnóstico oportuno es crucial. Si bien las tomografías computarizadas... 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.