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
Radcal IBA  Group

Deascargar La Aplicación Móvil




Un algoritmo de IA detecta el cáncer de mama en las imágenes de resonancia magnética

Por el equipo editorial de MedImaging en español
Actualizado el 24 Apr 2019
Imagen: Se capacitó a un algoritmo inteligente en una red neuronal para reconocer la aparición del cáncer de mama en las imágenes de resonancia magnética. El algoritmo, descrito en el Simposio de Imágenes Mamarias SBI/ACR, utilizó el “Aprendizaje profundo”, una forma de aprendizaje automático, que es un tipo de inteligencia artificial (Fotografía cortesía de Sarah Eskreis-Winkler, M.D.).
Imagen: Se capacitó a un algoritmo inteligente en una red neuronal para reconocer la aparición del cáncer de mama en las imágenes de resonancia magnética. El algoritmo, descrito en el Simposio de Imágenes Mamarias SBI/ACR, utilizó el “Aprendizaje profundo”, una forma de aprendizaje automático, que es un tipo de inteligencia artificial (Fotografía cortesía de Sarah Eskreis-Winkler, M.D.).
Un equipo de investigadores del Centro de Cáncer Memorial Sloan Kettering (Nueva York, NY, EUA) capacitó a un algoritmo inteligente en una red neuronal para reconocer la aparición del cáncer de mama en las imágenes de resonancia magnética. Según los investigadores, el algoritmo utiliza el aprendizaje profundo, una forma de aprendizaje automático, que es un tipo de inteligencia artificial (IA), para identificar tumores en las imágenes de RM de mama y podría ahorrar tiempo sin comprometer la exactitud.

Los investigadores utilizaron una red neuronal para clasificar segmentos de las imágenes de RM y extraer las características. El algoritmo aprendió a hacer esto por sí solo y el uso del aprendizaje profundo eliminó la necesidad de decirle explícitamente a la computadora qué es lo que debía buscar. Los investigadores probaron el algoritmo procesando imágenes de RM de 277 mujeres, clasificando segmentos dentro de estas imágenes como mostrando o no mostrando tumor. El algoritmo logró una exactitud del 93% en un conjunto de pruebas, mientras que la sensibilidad y especificidad para la detección de tumores fueron del 94% y 92%, respectivamente.

Los investigadores creen que el algoritmo, si está integrado en el flujo de trabajo clínico, tiene el potencial de mejorar la eficiencia de los radiólogos. También podría ahorrar tiempo durante las juntas de tumores al desplazarse automáticamente a los cortes de RM de la mama que muestran lesiones de cáncer, eliminando así el tiempo que de lo contrario se gastaría desplazando manualmente estos cortes. Sin embargo, los investigadores han advertido que el aprendizaje profundo no puede proporcionar la solución completa y que las personas tendrían que trabajar con algoritmos de aprendizaje profundo para alcanzar su potencial.

“La forma en que se integrarán las herramientas de inteligencia artificial en nuestra práctica diaria aún es incierta”, dijo Eskreis-Winkler, MD, quien presentó los datos en el reciente Simposio de Imágenes Mamarias de la Sociedad para Imágenes Mamarias (SBI)/Colegio Americano de Radiología (ACR) . “Así que hay una gran oportunidad para que seamos creativos y proactivos, con el fin de encontrar maneras de aprovechar el poder de la IA para convertirnos en mejores radiólogos y servir mejor a nuestros pacientes”.

Enlace relacionado:
Centro de Cáncer Memorial Sloan Kettering

Post-Processing Imaging System
DynaCAD Prostate
Digital Color Doppler Ultrasound System
MS22Plus
Portable X-ray Unit
AJEX140H
X-ray Diagnostic System
FDX Visionary-A

Canales

Radiografía

ver canal
Imagen: la prueba de detección \"dos por uno\" podría ayudar a detectar las principales causas de muerte de mujeres en todo el mundo (foto cortesía de Shutterstock)

Algoritmo de IA utiliza mamografías para predecir con precisión el riesgo cardiovascular en mujeres

Las enfermedades cardiovasculares siguen siendo la principal causa de muerte en mujeres a nivel mundial, responsables de aproximadamente nueve millones de muertes al año. A pesar de esta carga, los síntomas... Más

Ultrasonido

ver canal
Imagen: el parche de ultrasonido realiza simultáneamente imágenes de ultrasonido y medición de la presión arterial de ambas arterias carótidas (Fotografía cortesía de KIST)

Parche de ultrasonido desechable supera el rendimiento de los dispositivos existentes

Los dispositivos portátiles de ultrasonido se utilizan ampliamente en el diagnóstico, el monitoreo de la rehabilitación y la telemedicina. Sin embargo, la mayoría de los modelos... Más

Medicina Nuclear

ver canal
Imagen: el Dr. Glenn Bauman, científico de LHSCRI, posa frente al escáner PET (Foto cortesía de LHSCRI).

Nueva solución de imagen mejora la supervivencia de los pacientes con cáncer de próstata recurrente

La detección del cáncer de próstata recurrente sigue siendo uno de los mayores desafíos en oncología, ya que los métodos de imagen estándar, como las g... Más

Imaginología General

ver canal
Imagen: Concepto de los SCNP fotosensibles (J F Thümmler et al., Commun Chem (2025). DOI: 10.1038/s42004-025-01518-x)

Nuevas nanopartículas ultrapequeñas y sensibles a la luz podrían servir como agentes de contraste

Las tecnologías de imagen médica enfrentan desafíos constantes para capturar vistas precisas y detalladas de los procesos internos, especialmente en enfermedades como el cáncer,... 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.