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




Algoritmo de IA tan bueno como lectores humanos en mamografías de detección

Por el equipo editorial de MedImaging en español
Actualizado el 08 Sep 2023
Print article
Imagen: La IA se desempeña de foema comparable con lectores humanos de mamografías (Fotografía cortesía de 123RF)
Imagen: La IA se desempeña de foema comparable con lectores humanos de mamografías (Fotografía cortesía de 123RF)

Las mamografías de detección, si bien son valiosas, pueden no detectar todos los casos de cáncer de mama. Los resultados falsos positivos pueden dar lugar a imágenes y biopsias innecesarias en mujeres sin cáncer. Un enfoque para mejorar la sensibilidad y especificidad de la mamografía de detección es hacer que dos lectores interpreten cada mamografía. Se ha demostrado que la doble lectura aumenta las tasas de detección de cáncer entre un 6 y un 15 % manteniendo bajas las tasas de recuperación. Sin embargo, implementar esta estrategia puede resultar desafiante durante períodos de escasez de lectores debido a su naturaleza intensiva en mano de obra. Ahora, un estudio comparativo del rendimiento de un algoritmo de inteligencia artificial (IA) con lectores humanos de mamografías de detección sugiere que la IA puede proporcionar una sensibilidad y especificidad comparables a los lectores humanos, lo que podría servir como un segundo lector valioso en la práctica clínica.

Investigadores de la Universidad de Nottingham (Nottingham, Reino Unido) utilizaron una evaluación estandarizada para determinar el rendimiento de un algoritmo de IA disponible comercialmente en comparación con lectores humanos al interpretar mamografías de detección. La evaluación utilizó conjuntos de pruebas de la evaluación de control de calidad del Rendimiento Personal en Detección Mamográfica (PERFORMS por sus siglar en inglés), un programa empleado por el Programa de Detección Mamaria del Servicio Nacional de Salud del Reino Unido (NHSBSP). Los conjuntos de pruebas PERFORMS constan de 60 exámenes mamográficos desafiantes, incluidos casos con hallazgos anormales, benignos y normales. La evaluación de cada lector de una mamografía de prueba se comparó con los resultados reales de la IA. El estudio empleó datos de dos conjuntos de pruebas PERFORMS consecutivos, con un total de 120 mamografías de detección, para la evaluación tanto de lectores humanos como del algoritmo de IA.

El equipo de investigación comparó el desempeño del algoritmo de IA con el de 552 lectores humanos, incluidos 315 (57 %) radiólogos certificados y 237 lectores no radiólogos, incluidos 206 radiógrafos y 31 médicos especialistas en mama. Cada mama en el estudio se consideró individualmente, con el 67 % categorizada como normal (161/240), el 29 % como maligna (70/240) y el 4 % como benigna (9/240). La característica mamográfica maligna más común observada fueron masas (64,3 %), seguidas de calcificaciones (12,9 %), asimetrías (11,4 %) y distorsiones arquitectónicas (11,4 %). El tamaño medio de las lesiones malignas midió 15,5 mm. El estudio encontró que no hubo diferencias significativas en el desempeño de la IA y los lectores humanos en la detección del cáncer de mama en los 120 exámenes. Los lectores humanos demostraron una sensibilidad media del 90 % y una especificidad del 76 %, mientras que la IA mostró una sensibilidad (91 %) y especificidad (77 %) comparables en comparación con los lectores humanos.

"Los resultados de este estudio proporcionan pruebas sólidas que respaldan que la IA para la detección del cáncer de mama puede funcionar tan bien como los lectores humanos", afirmó Yan Chen, Ph.D., profesora de detección digital en la Universidad de Nottingham. "Es vital que los centros de imágenes cuenten con un proceso para proporcionar un seguimiento continuo de la IA una vez que se convierta en parte de la práctica clínica. Hasta la fecha, no hay otros estudios que hayan comparado el desempeño de un número tan grande de lectores humanos en conjuntos de pruebas de control de calidad de rutina con la IA, por lo que este estudio puede proporcionar un modelo para evaluar el desempeñol de la IA en un entorno del mundo real".

Enlaces relacionados:
Universidad de Nottingham  

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Laptop Ultrasound Scanner
PL-3018
New
Ultrasound System
Acclarix AX9
MRI System
uMR 588

Print article

Canales

RM

ver canal
Imagen: La nueva prueba de resonancia magnética podría transformar el diagnóstico de falla de derivación en hidrocefalos (Fotografía cortesía de 123RF)

Prueba de resonancia magnética de 60 segundos ayuda a diagnosticar más fácilmente el fallo de derivación en niños con hidrocefalia

La hidrocefalia, una afección caracterizada por la acumulación de líquido cefalorraquídeo (LCR) en el cerebro, se trata comúnmente colocando quirúrgicamente una... Más

Medicina Nuclear

ver canal
Imagen: Un agente de imágenes PET recientemente desarrollado es efectivo para identificar el cáncer medular de tiroides (Fotografía cortesía de 123RF)

Nuevo trazador PET mejora detección de lesiones en cáncer medular de tiroides

El cáncer medular de tiroides (CMT) representa aproximadamente el 3 % de todos los casos de cáncer de tiroides y es notablemente raro. Surge de células diferentes en comparación... 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.