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




La herramienta de inteligencia artificial para imágenes PET permite la detección y evaluación totalmente automatizadas de tumores cerebrales

Por el equipo editorial de MedImaging en español
Actualizado el 24 Oct 2023
Print article
Imagen: La nueva herramienta de IA para imágenes PET permite una evaluación de alta calidad y totalmente automatizada de tumores cerebrales (Fotografía cortesía de INM)
Imagen: La nueva herramienta de IA para imágenes PET permite una evaluación de alta calidad y totalmente automatizada de tumores cerebrales (Fotografía cortesía de INM)

La tomografía por emisión de positrones (PET) se está convirtiendo en una herramienta fundamental para diagnosticar tumores cerebrales, lo que se suma a los conocimientos proporcionados por las resonancias magnéticas tradicionales. En los últimos años, numerosos estudios han revelado la utilidad de evaluar el volumen tumoral metabólico para estimar la eficacia de los tratamientos para los tumores cerebrales. Sin embargo, estas evaluaciones suelen llevar mucho tiempo y, por lo tanto, no suelen realizarse en entornos clínicos habituales. Ahora, una nueva herramienta de inteligencia artificial (IA) ofrece un método automatizado, simple y objetivo para identificar y evaluar tumores cerebrales. Diseñado para funcionar con exploraciones PET con aminoácidos, este algoritmo de aprendizaje profundo también puede evaluar rápidamente la respuesta de un paciente al tratamiento con el mismo nivel de precisión que un médico experimentado.

Este algoritmo de segmentación basado en aprendizaje profundo para la evaluación volumétrica integral y automatizada de exploraciones PET con aminoácidos ha sido desarrollado por un equipo de investigadores del Instituto de Neurociencia y Medicina (INM, Juelich, Alemania). Los investigadores también han probado su eficacia para evaluar las respuestas al tratamiento en pacientes con gliomas. El equipo analizó 699 exploraciones PET con 18F-FET (ya sea iniciales o de seguimiento) tomadas de 555 personas con tumores cerebrales. El algoritmo se configuró utilizando conjuntos de datos de entrenamiento y de prueba, y se midieron los cambios en los volúmenes metabólicos de los tumores.

Además, el algoritmo se aplicó a los datos de un estudio PET con 18F-FET publicado recientemente que examinó las respuestas al tratamiento en pacientes con glioblastoma que se sometieron a quimioterapia adyuvante con temozolomida. Luego se comparó la evaluación del algoritmo con el juicio de un médico capacitado, como se documenta en ese estudio. Dentro del conjunto de datos de prueba, el algoritmo identificó con precisión el 92 % de las lesiones que mostraron una mayor captación y el 85 % de las lesiones con captación isométrica o hipometabólica. Los cambios detectados por el algoritmo en el volumen metabólico del tumor se alinearon significativamente con las predicciones de las tasas de supervivencia general y libre de enfermedad, lo que confirmó las observaciones realizadas por el médico. Para ayudar a su adopción en entornos clínicos, este algoritmo de segmentación es de acceso abierto y se puede ejecutar en una computadora estándar equipada con GPU en menos de dos minutos sin requerir ningún procesamiento previo.

"Estos hallazgos resaltan el valor del algoritmo de segmentación basado en aprendizaje profundo para la mejora y automatización de la toma de decisiones clínicas basada en la evaluación volumétrica de PET con aminoácidos", dijo Philipp Lohmann, PhD, profesor asistente (Habilitación) en Física Médica y líder del equipo de Análisis Cuantitativo de Imágenes e IA en el INM. "La herramienta de segmentación desarrollada en nuestro estudio podría ser una plataforma importante para promover aún más la PET con aminoácidos y fortalecer su valor clínico, lo que puede brindar a los pacientes con tumores cerebrales acceso a información de diagnóstico importante que antes no estaba disponible o era difícil de obtener".

Enlaces relacionados:
INM  

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Digital Radiography System
DuraDiagnost F30
New
Color Doppler Ultrasound System
DRE Crystal 4PX
New
Ultrasound Doppler System
Doppler BT-200

Print article
Radcal

Canales

Radiografía

ver canal
Imagen: Un nuevo estudio probó una variedad de algoritmos de IA cara a cara en condiciones similares (Fotografía cortesía de 123RF)

IA supera a lectores humanos en detección de nódulos pulmonares en rayos X

Actualmente, más de 150 productos de software basados en inteligencia artificial (IA) están disponibles en el mercado europeo para radiología, y muchos de ellos abordan casos de uso similares.... Más

RM

ver canal
Imagen: La IA puede predecir si los pacientes con cáncer cerebral sobrevivirán más de 8 meses después de recibir tratamiento con radioterapia (Fotografía cortesía de KCL)

IA predice sobrevivientes de cáncer cerebral dentro de ocho meses de radioterapia mediante RM

El glioblastoma, un cáncer cerebral primario en adultos particularmente difícil de tratar, tiene una tasa de supervivencia baja: solo uno de cada cuatro pacientes vive más de un año... Más

Imaginología General

ver canal
Imagen: El software LungQ v3.0.0 ha recibido la autorización 510 (k) de la FDA de EUA para el análisis con IA de las imágenes de TC de tórax (Fotografía cortesía de Thirona)

Software de IA para análisis de imágenes de TC de tórax permite tratamiento personalizado para pacientes pulmonares

Un novedoso software clínico aprovecha la inteligencia artificial (IA) para segmentar automáticamente varios segmentos y subsegmentos pulmonares en la anatomía interna del pulmón.... 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.