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 analiza tumores extirpados quirúrgicamente en tiempo real

Por el equipo editorial de MedImaging en español
Actualizado el 05 Oct 2023
Print article
Imagen: El modelo de IA mejora la precisión de la eliminación del tumor durante la cirugía de cáncer de mama (Fotografía cortesía de la Facultad de Medicina de la UNC)
Imagen: El modelo de IA mejora la precisión de la eliminación del tumor durante la cirugía de cáncer de mama (Fotografía cortesía de la Facultad de Medicina de la UNC)

Durante la cirugía de cáncer de mama, el cirujano extirpa el tumor, también conocido como muestra, junto con un poco de tejido sano adyacente para garantizar que se extirpen todas las células cancerosas. Luego, esta muestra se somete a una radiografía mediante mamografía y el equipo médico la examina para confirmar que se ha eliminado el área problemática. Después de eso, la muestra va a un laboratorio de patología para un análisis más detallado donde el patólogo verifica si las células cancerosas han alcanzado el borde exterior del tejido extirpado, llamado margen patológico. Si es así, es probable que algunas células cancerosas todavía estén presentes en el seno, lo que requeriría una cirugía adicional. Este proceso patológico, sin embargo, podría tardar hasta una semana después de la cirugía. Los investigadores han creado ahora un modelo de inteligencia artificial (IA) capaz de predecir si todo el tejido canceroso se ha extirpado exitosamente durante la cirugía del cáncer de mama.

Para entrenar este modelo de IA, investigadores de la Facultad de Medicina de la Universidad de Carolina del Norte (Chapel Hill, Carolina del Norte, EUA) utilizaron una gran cantidad de imágenes de muestras de mamografías, que luego compararon con los informes finales de los patólogos. La mamografía de muestras, o fotografiar la muestra con una radiografía, se puede realizar directamente en el quirófano. Además, los investigadores incluyeron información demográfica del paciente, como edad, raza y detalles específicos sobre el tumor, como su tipo y tamaño. Al evaluar la capacidad del modelo de IA para identificar correctamente los márgenes patológicos, se descubrió que era al menos tan preciso como la interpretación humana, si no más. En particular, la IA estaba a la par o ligeramente mejor que los expertos humanos en el reconocimiento de márgenes positivos.

Los investigadores señalan que este modelo de IA es especialmente beneficioso para pacientes con tejido mamario más denso. En las mamografías, tanto los tumores como el tejido de alta densidad aparecen de color blanco brillante, lo que dificulta determinar dónde termina el cáncer y dónde comienza el tejido normal. El modelo también podría ser invaluable para hospitales con recursos limitados, ya que pueden carecer del personal especializado necesario para tomar decisiones rápidas y bien informadas durante la cirugía. Si bien el modelo aún se encuentra en su fase de desarrollo, los investigadores planean seguir agregando más imágenes y datos de diferentes pacientes y cirujanos. Se necesitan más estudios de validación antes de que esta herramienta de IA pueda implementarse clínicamente. El equipo espera que la precisión predictiva del modelo mejore a medida que se exponga a más datos relacionados con tejidos y márgenes normales y cancerosos.

“Algunos cánceres se pueden sentir y ver, pero no podemos ver las células cancerosas microscópicas que pueden estar presentes en el borde del tejido extirpado. Otros cánceres son completamente microscópicos”, dijo la autora principal Kristalyn Gallagher, DO, jefa de sección de cirugía mamaria en la División de Oncología Quirúrgica y miembro de UNC Lineberger. “Esta herramienta de IA nos permitiría analizar con mayor precisión los tumores extirpados quirúrgicamente en tiempo real y aumentaría las posibilidades de que todas las células cancerosas se eliminen durante la cirugía. Esto evitaría la necesidad de traer a los pacientes nuevamente para una segunda o tercera cirugía”.

Enlaces relacionados:
Facultad de Medicina de la UNC  

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Digital Radiography Acquisition Software
VXvue with PureImpact
New
Computed Tomography (CT) Scanner
Aquilion Serve SP
Imaging Table
Stille imagiQ2

Print article
Radcal

Canales

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

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.