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
Parker Laboratories

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.
10 ago 2022 - 12 ago 2022

Radiómica por TC ayuda a clasificar los nódulos pulmonares pequeños

Por el equipo editorial de MedImaging en español
Actualizado el 03 Feb 2021
Print article
Imagen: La radiómica por TC puede ayudar a clasificar la malignidad de los nódulos pulmonares (Fotografía cortesía de Getty Images)
Imagen: La radiómica por TC puede ayudar a clasificar la malignidad de los nódulos pulmonares (Fotografía cortesía de Getty Images)
Un algoritmo de aprendizaje automático (AA) puede ser muy exacto para clasificar los nódulos pulmonares muy pequeños que se encuentran en los programas de detección pulmonar por TC de dosis baja, según un estudio nuevo.

Investigadores del Centro de Investigación de Cáncer de la Columbia Británica (BCCRC; Vancouver, Canadá), entrenaron un algoritmo de AA de análisis discriminante lineal (LDA), utilizando datos del estudio Pancanadiense de Detección Temprana del Cáncer de Pulmón (PanCan) para caracterizar, analizar y clasificar nódulos pulmonares pequeños como malignos o benignos extrayendo aproximadamente 170 características radiómicas de textura y forma, siguiendo la segmentación de nódulos semiautomatizada en las imágenes. Luego compararon el desempeño del algoritmo con el de la calculadora de puntuación de riesgo de malignidad de próstata, pulmón, colorrectal y ovario (PLCO) m2012, en otro conjunto de datos.

La cohorte de estudio consistió en 139 nódulos malignos y 472 nódulos benignos que tenían aproximadamente el mismo tamaño. Los investigadores aplicaron restricciones de tamaño (basadas en los criterios de clasificación de Lung-RADS) para eliminar cualquier nódulo del conjunto de datos que ya se consideraría sospechoso, lo que incluiría cualquier nódulo con componentes sólidos de más de 8 mm de diámetro. Los resultados mostraron que el algoritmo de AA superó significativamente el modelo de predicción de riesgo (PLCO) m2012, especialmente cuando se agregaron datos demográficos al análisis radiómico. El estudio fue presentado en el Congreso Especial Virtual de la AACR sobre Inteligencia Artificial, Diagnóstico e Imagen, celebrado durante enero de 2021.

“Los mejores resultados se lograron en un subconjunto de pacientes menores de 64 años, mujeres, que no tenían enfisema, fumaban menos de 42 paquetes-año, no tenían antecedentes familiares de cáncer de pulmón y no eran fumadoras actuales”, dijo el autor principal y presentador del estudio, Rohan Abraham, PhD. “Combinado con el conocimiento y la experiencia de los médicos, esto tiene el potencial de permitir una intervención más temprana y reducir la necesidad de una TC de seguimiento”.

La clasificación actual de los nódulos pulmonares se basa en el tamaño del nódulo, un factor que es de uso limitado para los nódulos subcentimétricos, o en el tiempo de duplicación del volumen, una variable que requiere exámenes de TC de seguimiento. Como resultado, los nódulos pulmonares muy pequeños, con componentes sólidos de menos de 8 mm de diámetro (y, por lo tanto, por debajo del umbral de estratificación de riesgo Lung-RADS 4A), son muy difíciles de clasificar y, a menudo, se les da un plan de manejo de “esperar y ver”.

Enlace relacionado:
Centro de Investigación de Cáncer de la Columbia Británica


Print article
CIRS -  MIRION
Radcal

Canales

RM

ver canal
Imagen: El síndrome del corazón rígido ocurre cuando las placas de proteínas llamadas amiloide se acumulan en el músculo cardíaco (Fotografía cortesía del Colegio Universitario de Londres)

Resonancia magnética avanzada marca un gran avance para pacientes con enfermedad de rigidez cardíaca

La amiloidosis cardíaca de cadena ligera (síndrome del corazón rígido) es una afección que limita la vida y que ocurre cuando se acumulan placas de proteína llamada... Más

Ultrasonido

ver canal
Imagen: La plataforma de IA se amplía a un abanico de aplicaciones clínicas (Fotografía cortesía de Caption Health)

Plataforma tecnológica combina ultrasonido con IA para detección temprana de enfermedades cardíacas

El ultrasonido es una herramienta de diagnóstico segura y altamente efectiva, pero puede ser difícil de dominar, requiere años de capacitación especializada para aprender y... Más

Imaginología General

ver canal
Imagen: La IA se desempeña tan bien como los  especialistas médicos en el análisis de la enfermedad pulmonar (Fotografía cortesía de la Universidad de Nagoya)

IA diagnostica enfermedades pulmonares a partir de imágenes de TC con igual precisión que especialistas médicos

Los médicos han esperado mucho tiempo por un medio para diagnosticar la fibrosis pulmonar idiopática de forma temprana, una enfermedad potencialmente mortal que puede dejar cicatrices en... Más

TI en Imaginología

ver canal
Imagen: Cómo funciona el manejo de imágenes médicas de Nucleus.io (Fotografía cortesía de NucleusHealth)

Plataforma para el manejo de imágenes agiliza los planes de tratamiento

Un conjunto de soluciones de software del ecosistema de imágenes proporciona accesibilidad segura a las imágenes médicas, mejorando los flujos de trabajo y la atención a los pacientes. La plataforma... Más
Copyright © 2000-2022 Globetech Media. All rights reserved.