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
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




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
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


Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Dose Area Product Meter
VacuDAP
Dose Calibration Electrometer
PC Electrometer
New
Ultrasound Table
Ergonomic Advantage (EA) Line

Print article

Canales

Radiografía

ver canal
Imagen: El software de reconocimiento de forma DL Precise mejora la precisión y la eficiencia en las imágenes médicas (Fotografía cortesía de DeepLook Medical)

Nueva tecnología de IA podría revolucionar detección del cáncer en senos densos

Casi la mitad de las mujeres de 40 años o más poseen un tejido mamario denso, lo que aumenta su susceptibilidad al cáncer de mama. El desafío de detectar el cáncer en... Más

RM

ver canal
Imagen: Se ha encontrado que 0.55T son suficiente para obtener una imagen de calidad diagnóstica de una resonancia magnética (Fotografía cortesía de 123RF)

Imágenes de resonancia magnética de 0,55 T de campo bajo ofrecen utilidad diagnóstica similar a la de 1,5 T para exploraciones abdominales

La resonancia magnética (RM) es una herramienta vital en el diagnóstico médico, pero el alto costo de los sistemas clínicos de cuerpo entero es una barrera importante.... Más

Ultrasonido

ver canal
Imagen: El ultrasonido intravascular proporciona una imagen más precisa y específica de las arterias coronarias (Fotografía cortesía de 123RF)

Imágenes intravasculares mejoran significativamente resultados en procedimientos de colocación de stent cardiovascular

Las personas con enfermedad de las arterias coronarias, que implica la acumulación de placa en las arterias que provoca síntomas como dolor en el pecho, dificultad para respirar y ataques... Más

Medicina Nuclear

ver canal
Imagen: La técnica de imágenes PET puede detectar de manera no invasiva la inflamación activa antes de que surjan síntomas clínicos (Fotografía cortesía de 123RF)

Nuevo trazador PET detecta artritis inflamatoria antes de que aparezcan síntomas

La artritis reumatoide, la forma más común de artritis inflamatoria, afecta a 18 millones de personas en todo el mundo. Es una enfermedad autoinmune compleja caracterizada por inflamación... Más

Imaginología General

ver canal
Imagen: La TC de tórax de rutina tiene potencial sin explotar para revelar a los pacientes en riesgo de enfermedad cardiovascular (Fotografía cortesía de Johns Hopkins)

Exámenes de TC tórax de rutina pueden identificar pacientes con riesgo de enfermedad cardiovascular

La enfermedad de las arterias coronarias (EAC) es la principal causa de muerte en el mundo. Los adultos sin síntomas pero en riesgo pueden ser detectados mediante 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 © 2000-2024 Globetech Media. All rights reserved.