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
Ampronix,  Inc

Deascargar La Aplicación Móvil




Eventos

ATENCIÓN: Debido a la EPIDEMIA DE CORONAVIRUS, ciertos eventos están siendo reprogramados para una fecha posterior o cancelados por completo. Verifique con el organizador del evento o el sitio web antes de planificar cualquier evento próximo.
11 jun 2020 - 13 jun 2020

Sistema nuevo de aprendizaje automático ayuda a los patólogos a diagnosticar el cáncer

Por el equipo editorial de MedImaging en español
Actualizado el 26 Aug 2019
Print article
Imagen: Un sistema nuevo de inteligencia artificial (IA) podría ayudar a los patólogos a leer biopsias con mayor exactitud y conducir a una mejor detección y diagnóstico de los cánceres de mama (Fotografía cortesía de Getty Images).
Imagen: Un sistema nuevo de inteligencia artificial (IA) podría ayudar a los patólogos a leer biopsias con mayor exactitud y conducir a una mejor detección y diagnóstico de los cánceres de mama (Fotografía cortesía de Getty Images).
Investigadores de la Universidad de Washington (Seattle, WA, EUA) y la Universidad de California (Los Ángeles, CA; EUA) desarrollaron un sistema de inteligencia artificial (IA) que podría ayudar a los patólogos a leer biopsias con mayor exactitud y conducir a una mejor detección y diagnóstico del cáncer de mama. El nuevo algoritmo puede interpretar imágenes de biopsias de tejido mamario para diagnosticar el cáncer de mama con la misma exactitud o incluso mejor, que un patólogo experimentado, dependiendo de la tarea.

En 2015, un estudio de la facultad de medicina de la Universidad de Washington descubrió que los patólogos a menudo no estaban de acuerdo con la interpretación de las biopsias de mama, que se realizan en millones de mujeres cada año. El estudio reveló que se produjeron errores de diagnóstico en aproximadamente una de cada seis mujeres que tenían un tipo no invasivo de cáncer de mama llamado “carcinoma ductal in situ”. Además, se dieron diagnósticos incorrectos en aproximadamente la mitad de los casos de biopsia con células anormales que se asocian con un mayor riesgo de cáncer de mama, una afección llamada atipia de mama.

Los investigadores razonaron que la IA podría proporcionar lecturas más exactas consistentemente, ya que utiliza un gran conjunto de datos que hace posible que el sistema de aprendizaje automático reconozca patrones asociados con el cáncer que son difíciles de ver para los médicos. Después de estudiar las estrategias utilizadas por los patólogos durante las interpretaciones de biopsias de seno, el equipo desarrolló métodos de análisis de imágenes para abordar estos desafíos. Los investigadores introdujeron 240 imágenes de biopsias de seno en una computadora, entrenándola para reconocer patrones asociados con varios tipos de lesiones de mama, que van desde lesiones no cancerosas y atipias hasta carcinoma ductal in situ y cáncer de seno invasivo. Los diagnósticos correctos se determinaron por consenso entre tres patólogos expertos.

Luego, los investigadores probaron el sistema comparando sus lecturas con diagnósticos independientes realizados por 87 patólogos estadounidenses en ejercicio que interpretaron los mismos casos. El algoritmo estuvo cerca de funcionar tan bien como los médicos humanos para diferenciar el cáncer del no cáncer. Sin embargo, el algoritmo superó a los médicos en diferenciar el carcinoma ductal in situ de la atipia, diagnosticando correctamente las biopsias de cáncer de mama preinvasivas aproximadamente el 89% de las veces, en comparación con el 70% para los patólogos. Los investigadores ya comenzaron a trabajar en la capacitación del sistema para diagnosticar el cáncer de piel.

“Estos resultados son muy alentadores”, dijo la coautora del estudio, la Dra. Joann Elmore, profesora de medicina de la facultad de medicina David Geffen de la UCLA, que anteriormente era profesora de medicina interna en la facultad de medicina de la Universidad de Washington. “Hay poca exactitud entre los patólogos practicantes en los Estados Unidos cuando se trata del diagnóstico de atipias y carcinomas ductales in situ y el método automatizado basado en computadora es muy prometedor”.

Enlace relacionado:
Universidad de Washington
Universidad de California



Print article
Radcal
CIRS

Canales

Radiografía

ver canal
Imagen: Esquema de un dispositivo para imágenes de rayos X de campo oscuro (Fotografía cortesía de la TUM)

Radiografías pulmonares de bajas dosis facilitan el diagnóstico del coronavirus

Un método novedoso de rayos X que implica una radiación significativamente menor que la tomografía computarizada (TC) puede ayudar a identificar las anomalías en la COVID-19. Desarrollado en la Universidad... Más

RM

ver canal
Imagen: Se deben evitar los exámenes de resonancia magnética en pacientes con COVID-19 (Fotografía cortesía de Shutterstock)

Se debe evitar la toma de exámenes de resonancia magnética en los pacientes con COVID-19

Una nueva declaración de orientación del Colegio Americano de Radiología (ACR; Reston, VA, EUA) recomienda que los radiólogos eviten realizar exámenes de resonancia magnética (MRI) en pacientes diagnosticados... Más

Imaginología General

ver canal
Imagen: El sistema Aquilion Prime SP CT con descontaminación UV-C (Fotografía cortesía de Canon Medical Systems)

Solución de descontaminación facilita la TC en los pacientes con infecciones virales

Una solución de TC desplegable con capacidades de descontaminación rápida puede ayudar a los hospitales a aislar a los pacientes con COVID-19 y descontaminar el sistema para una atención más efectiva.... 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

Industria

ver canal
Imagen: AI-Rad Companion Chest CT genera automáticamente informes estandarizados, reproducibles y cuantitativos en formato DICOM SC (Fotografía cortesía de Siemens Healthineers).

Software para la TC de tórax basada en IA de Siemens Healthineers recibe aprobación de la FDA de los EUA

La Administración de Medicamentos y Alimentos de los Estados Unidos (FDA) aprobó tres módulos de AI-Rad Companion Chest CT, un asistente de software inteligente de Siemens Healthineers (Erlangen, Alemania)... Más
Copyright © 2000-2020 Globetech Media. All rights reserved.