Herramienta de AI realiza segmentación automática y detección de lesiones en las exploraciones de resonancia magnética de la próstata

El método de puntuación del Sistema de datos e informes de imágenes de la próstata (PI-RADS) se desarrolló para permitir una escala uniforme para la evaluación del cáncer de próstata. Consiste en parámetros descriptivos para la forma, ubicación, intensidad y restricción de la lesión, cada uno de los cuales corresponde a una puntuación diferente que representa características sospechosas de cáncer de próstata. Actualmente, se realiza de forma manual y es una tarea que requiere mucho tiempo para los radiólogos, con una alta tasa de variabilidad interobservador. Ahora, una nueva herramienta para el análisis de resonancia magnética de próstata realiza la segmentación de la próstata, sus subsecciones y lesiones. También analiza la intensidad, la restricción, el tamaño y la forma de las lesiones, y proporciona una línea de base para la puntuación PI-RADS.

El nuevo asistente PI-RADS de RSIP Vision (Jerusalén, Israel) proporciona un análisis objetivo de la resonancia magnética de la próstata, con estadísticas cuantificables que se pueden utilizar para mejorar la precisión de la puntuación. Además, es común realizar exploraciones de seguimiento en pacientes diagnosticados con cáncer de próstata. El asistente de PI-RADS compara las lesiones de exploraciones anteriores y presenta las diferencias al radiólogo, proporcionando un mapa del crecimiento, marchitamiento o estabilidad de la lesión, lo que reduce el tiempo de examen y la tasa de diagnósticos erróneos. La nueva tecnología independiente del proveedor estará disponible para los fabricantes de MRI de terceros y las soluciones de visualización, lo que permitirá una forma más precisa y eficiente de informar el examen de MRI de próstata.

“La resonancia magnética es una herramienta de imagen avanzada, específicamente para tejidos blandos como la glándula prostática, con potencial de mejora utilizando IA”, dijo Ron Soferman, director ejecutivo de RSIP Vision. “Se pueden desarrollar algoritmos de aprendizaje profundo (AP) para una segmentación precisa de la próstata, la zona de transición (TZ), la zona periférica (PZ) y las lesiones sospechosas. El sistema puede detectar y calcular automáticamente las dimensiones, el volumen, la intensidad, la restricción y la suavidad de los bordes de las lesiones en todos los diferentes parámetros de escaneo. Además, esta herramienta puede comparar escaneos actuales y anteriores y resaltar las diferencias, brindando información adicional para el radiólogo antes de calificar”.

Enlaces relacionados:
RSIP Vision  

Visitar la expo >

Ultrasonic Pocket Doppler

SD1

Ultrasound-Guided Biopsy & Visualization Tools

Endoscopic Ultrasound (EUS) Guided Devices

40/80-Slice CT System

uCT 528

Pocket Fetal Doppler

CONTEC10C/CL