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
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Algoritmo basado en IA mejora la precisión de los diagnósticos de cáncer de mama

Por el equipo editorial de MedImaging en español
Actualizado el 09 Sep 2024
Imagen: La imagen ilustra los mapas de saliencia basados ​​en gradientes predichos por el modelo MV-DEFEAT (Foto cortesía de la Universidad de Finlandia Oriental)
Imagen: La imagen ilustra los mapas de saliencia basados ​​en gradientes predichos por el modelo MV-DEFEAT (Foto cortesía de la Universidad de Finlandia Oriental)

Se sabe que la alta densidad del tejido mamario aumenta el riesgo de cáncer de mama, y su medición puede derivarse de mamografías. La interpretación precisa de las mamografías es vital para un cribado exitoso del cáncer de mama, pero se ve obstaculizada por inconsistencias en las evaluaciones radiológicas y una escasez mundial de radiólogos. Para superar estos desafíos, un nuevo algoritmo basado en inteligencia artificial (IA) utiliza el aprendizaje profundo para analizar múltiples vistas de mamografías simultáneamente, simulando el proceso de evaluación de los radiólogos.

El algoritmo MV-DEFEAT, desarrollado por investigadores de la Universidad de Finlandia Oriental (Kuopio, Finlandia), mejora la evaluación de la densidad de las mamografías, lo que podría revolucionar los procedimientos radiológicos al facilitar diagnósticos más precisos. El equipo de investigación aplicó un enfoque de fusión de evidencias profundas de múltiples vistas, que incorpora aspectos de la teoría de evidencias de Dempster-Shafer y la lógica subjetiva para proporcionar un análisis exhaustivo de las imágenes de mamografías desde varios ángulos. MV-DEFEAT supera significativamente a los métodos existentes, aumentando la precisión de los cribados mamográficos al determinar de manera efectiva y consistente la densidad y distribución del tejido mamario denso. Específicamente, en el conjunto de datos público VinDr-Mammo, que contiene más de 10.000 mamografías, el algoritmo logró una mejora del 50,78 % en la diferenciación entre tumores benignos y malignos en comparación con los enfoques de múltiples vistas anteriores. Además, MV-DEFEAT genera mapas de prominencia basados en gradientes que destacan áreas críticas, ayudando a los radiólogos en sus decisiones diagnósticas.

La eficacia del algoritmo en varios conjuntos de datos destaca su capacidad para adaptarse a diversos grupos demográficos de pacientes. Fue probado utilizando datos de cuatro conjuntos de datos de código abierto, lo que amplió su precisión y generalización. Estas características subrayan el potencial de los métodos impulsados por IA en los diagnósticos médicos. Aunque MV-DEFEAT respalda significativamente el cribado del cáncer de mama, los investigadores enfatizan la necesidad de mejoras continuas y validación para confirmar su fiabilidad y efectividad en entornos clínicos. Este progreso representa un paso fundamental hacia la integración de la IA en los procedimientos de diagnóstico, lo que puede conducir a una detección más temprana y a mejores resultados para las pacientes con cáncer de mama.

“Para integrar plenamente la IA como MV-DEFEAT en la práctica clínica, es fundamental generar confianza entre los profesionales sanitarios mediante pruebas y validaciones rigurosas”, dijo el investigador de doctorado Raju Gudhe de la Universidad de Finlandia Oriental. “De hecho, nuestros próximos pasos implican más estudios de validación para establecer MV-DEFEAT como una herramienta fiable para el diagnóstico del cáncer de mama en Finlandia”.

Enlaces relacionados:
Universidad de Finlandia Oriental

Miembro Plata
X-Ray QA Meter
T3 AD Pro
X-ray Diagnostic System
FDX Visionary-A
New
Breast Localization System
MAMMOREP LOOP
Multi-Use Ultrasound Table
Clinton

Canales

RM

ver canal
Imagen: los investigadores utilizaron RM y pantalones inspirados en la NASA para mejorar las pruebas de esfuerzo y revelar problemas cardíacos ocultos (foto cortesía de UTA)

Nueva técnica de resonancia magnética revela problemas cardíacos ocultos

Las pruebas de esfuerzo tradicionales, realizadas en una máquina de resonancia magnética (RM), requieren que los pacientes permanezcan acostados, una posición que mejora artificialmente... Más

Ultrasonido

ver canal
Imagen: el nuevo dispositivo implantable para el tratamiento del dolor crónico es pequeño y flexible (foto cortesía de The Zhou Lab at USC)

Dispositivo inalámbrico para el manejo del dolor crónico reduce la necesidad de analgésicos y cirugía

El dolor crónico afecta a millones de personas en todo el mundo, lo que a menudo provoca discapacidad a largo plazo y dependencia de opioides, los cuales conllevan riesgos importantes de efectos... Más

Medicina Nuclear

ver canal
Imagen: El estudio de imágenes de cáncer de próstata tiene como objetivo reducir la necesidad de biopsias (foto cortesía de Shutterstock)

Nuevo enfoque de imagen podría reducir la necesidad de biopsias para monitorear el cáncer de próstata

El cáncer de próstata es la segunda causa principal de muerte por cáncer en hombres en Estados Unidos. Sin embargo, la mayoría de los hombres mayores diagnosticados con esta... Más

Imaginología General

ver canal
Imágenes de resultado positivo en examen de detección de colonografía por TC en un hombre asintomático de 67 años (foto cortesía de Radiology)

La colonografía por TC supera a la prueba de ADN en heces para la detección del cáncer de colon

Dado que el cáncer colorrectal sigue siendo la segunda causa principal de muertes relacionadas con el cáncer a nivel mundial, la detección temprana mediante pruebas de cribado es fundamental... 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.