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
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


Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Ultrasound Needle Guide
Ultra-Pro II
New
Wireless Handheld Ultrasound System
TE Air
New
Ultrasound System
P20 Elite

Print article

Canales

Radiografía

ver canal
Imagen: La detección de cáncer de seno asistido por AI puede reducir las pruebas innecesarias (foto cortesía de Wustl)

Asistencia de IA mejora detección del cáncer de mama al reducir los falsos positivos

Radiólogos suelen detectar un caso de cáncer por cada 200 mamografías revisadas. Sin embargo, estas evaluaciones a menudo dan como resultado falsos positivos, lo que lleva a retiros... Más

RM

ver canal
Imagen: PET/MRI puede clasificar con precisión a los pacientes con cáncer de próstata (foto cortesía de 123RF)

PET/MRI mejora la precisión diagnóstica en pacientes con cáncer de próstata

El Sistema de datos e informes de imágenes de próstata (PI-RADS) es una escala de cinco puntos para evaluar el potencial de cáncer de próstata en imágenes de resonancia... Más

Ultrasonido

ver canal
Imagen: Diagrama esquemático del sistema de administración de fármacos de nanopartículas estimulados por ultrasonido para la terapia de biopelícula (foto cortesía de BIO Integration))

Nueva nanopartícula activada por ultrasonido elimina la biopelícula y la infección bacteriana

Las biopelículas, formadas por bacterias que se agregan en densas comunidades para protegerse contra las duras condiciones ambientales, contribuyen de manera importante a diversas enfermedades infecciosas.... Más

Medicina Nuclear

ver canal
Imagen: El sistema de IA utiliza imágenes de gammagrafía para el diagnóstico temprano de amiloidosis cardíaca (Fotografía cortesía de 123RF)

Sistema de IA detecta de forma automática y confiable amiloidosis cardíaca mediante imágenes de gammagrafía

La amiloidosis cardíaca, una afección caracterizada por la acumulación de depósitos anormales de proteínas (amiloide) en el músculo cardíaco, afecta gravemente... Más

Imaginología General

ver canal
Imagen: El modelo de aprendizaje automático Tyche podría ayudar a capturar información crucial. (Foto cortesía de 123RF)

Nuevo método de IA captura la incertidumbre en imágenes médicas

En el campo de la biomedicina, la segmentación es el proceso de anotar píxeles de una estructura importante en imágenes médicas, como órganos o células. Los modelos de Inteligencia Artificial (IA) se utilizan... 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 © 2000-2024 Globetech Media. All rights reserved.