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




Modelo de IA para imágenes PET determina respuesta del paciente a tratamientos de tumores cerebrales

Por el equipo editorial de MedImaging en español
Actualizado el 24 Aug 2023
Print article
Imagen: Un modelo de IA puede evaluar los tumores cerebrales en PET (Fotografía cortesía de Freepik)
Imagen: Un modelo de IA puede evaluar los tumores cerebrales en PET (Fotografía cortesía de Freepik)

La evaluación de los cambios en el volumen metabólico tumoral (VMT) mediante exploraciones PET utilizando radiotrazadores específicos como la fluoroetil tirosina (FET) F-18 juega un papel vital en la evaluación de la respuesta al tratamiento en pacientes con tumores cerebrales. Convencionalmente, el VMT se determina a través procesos manuales o semiautomáticos, que no sólo son lentos sino que también pueden variar dependiendo del médico que realiza la tarea. Ahora, un nuevo modelo de IA para imágenes PET podría ayudar enormemente a los médicos a evaluar cómo responden los pacientes a los tratamientos de tumores cerebrales.

Investigadores del Hospital Universitario de Aquisgrán (Aquisgrán, Alemania) demostraron que un modelo de IA basado en aprendizaje profundo puede automatizar la segmentación del VMT en imágenes PET cerebrales, eliminando potencialmente la necesidad de que los médicos humanos preprocesen estas imágenes. El objetivo de su estudio fue crear un método para la segmentación automatizada del VMT y evaluar su eficacia para medir las respuestas al tratamiento en pacientes con glioma. La investigación incluyó una colección de 699 exploraciones FET-PET F-18 de 555 pacientes con tumores cerebrales, obtenidas bien en el momento del diagnóstico inicial o durante visitas de seguimiento posteriores. Médicos experimentados en medicina nuclear primero segmentaron el VMT en estas imágenes, abarcando lesiones con niveles variables de captación del radiotrazador FET F-18.

Luego, el equipo utilizó 476 de estas imágenes para entrenar una red neuronal de IA, denominada "no new U-Net", para realizar la segmentación de VMT. Para evaluar la precisión del modelo, lo aplicaron a un conjunto de datos de imágenes que constaba de 223 exploraciones de 156 pacientes diferentes. De las 205 lesiones que mostraron mayor captación de FET F-18 en este conjunto de datos, el modelo identificó correctamente 189. Curiosamente, el modelo no identificó erróneamente ninguna región anatómica con una mayor captación normal del radiotrazador FET F-18, como en el seno sagital superior, como tumores. El rendimiento del modelo fue bastante notable, logrando una puntuación F1 media del 92 %, una sensibilidad del 93 % y un valor predictivo positivo del 95 % en la detección de lesiones. Una ventaja importante de este modelo es su capacidad para automatizar completamente la segmentación 3D utilizando un solo escaneo FET-PET F-18. Además, puede realizar esta tarea en menos de dos minutos utilizando una unidad de procesamiento de gráficos estándar, sin necesidad de ningún procesamiento previo.

"El hallazgo principal de nuestro estudio es que nuestra red neuronal basada en aprendizaje profundo permite una detección fiable y totalmente automatizada y una segmentación 3D de tumores cerebrales investigados por FET-PET F-18", señalaron los investigadores. "Este hallazgo resalta el valor de la red para la mejora y automatización de la toma de decisiones clínicas basada en la evaluación volumétrica de PET de aminoácidos".

Enlaces relacionados:
Hospital Universitario de Aquisgrán  

Proveedor de oro
Ultrasound System
FUTUS LE
New
Proveedor de oro
Electrode Solution and Skin Prep
Signaspray
Portable DR Flat Panel Detector
VIVIX-S 1012N
Afterloader For Brachytherapy
Flexitron

Print article
Radcal

Canales

Radiografía

ver canal
Imagen:  INSIGHT CXR de Lunit detecta 10 hallazgos radiológicos anormales con una precisión del 97-99 % (Fotografía cortesía de Lunit)

Software de detección de lesiones basado en IA detecta nódulos pulmonares incidentales en radiografías de tórax

En el campo de la radiología, la inteligencia artificial (IA) ha logrado avances significativos, particularmente en el desarrollo de software de detección de lesiones basado en IA para r... Más

RM

ver canal
Imagen: Los investigadores están utilizando radioterapia guiada por resonancia magnética que combina resonancia magnética diaria con radioterapia (Fotografía cortesía de Sylvester)

Técnica de IA rastrea automáticamente tumores en grandes conjuntos de datos de resonancia magnética para guiar tratamiento del glioblastoma en tiempo real

El tratamiento del glioblastoma, un cáncer cerebral agresivo y prevalente, implica el uso de radioterapia guiada por imágenes de tomografía computarizada. Si bien este método... Más

Ultrasonido

ver canal
Imagen: El nuevo parche de ultrasonido puede medir qué tan llena está la vejiga (Fotografía cortesía del MIT)

Parche de ultrasonido diseñado para monitorear la salud de la vejiga y riñones podría permitir diagnóstico más temprano del cáncer

La disfunción de la vejiga y los problemas de salud relacionados afectan a millones de personas en todo el mundo. Monitorear el volumen de la vejiga es crucial para evaluar la salud de los riñones.... Más

Imaginología General

ver canal
Imagen: La inteligencia artificial predice las respuestas a la terapia para el cáncer de ovario (Fotografía cortesía de 123RF)

Modelo de IA combina pruebas de sangre y análisis de TC para predecir respuesta a terapia en pacientes con cáncer de ovario

El cáncer de ovario afecta anualmente a miles de mujeres y muchos diagnósticos se producen en etapas avanzadas debido a síntomas tempranos sutiles. El carcinoma de ovario seroso de... 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

Industria

ver canal
Imagen: Los asistentes pueden descubrir productos y tecnología innovadores en las Exhibiciones Técnicas de RSNA 2023 (Fotografía cortesía de RSNA)

Exposiciones técnicas RSNA 2023 ofrecerá innovaciones en IA, impresión 3D y más

La 109.ª Asamblea Científica y Reunión Anual de la Sociedad Radiológica de América del Norte (RSNA, Oak Brook, IL, EUA), que se celebrará en Chicago del 26 al 30... Más
Copyright © 2000-2023 Globetech Media. All rights reserved.