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.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Modelo de PET/MRI de aprendizaje automático elimina biopsia del ganglio linfático centinela en la mayoría de las pacientes con cáncer de mama

Por el equipo editorial de MedImaging en español
Actualizado el 23 Nov 2022
Imagen: Resumen gráfico (Fotografía cortesía del Hospital Universitario Düsseldorf)
Imagen: Resumen gráfico (Fotografía cortesía del Hospital Universitario Düsseldorf)

La presencia de metástasis en los ganglios linfáticos en pacientes con cáncer de mama juega un papel crucial en la planificación del tratamiento, especialmente en lo que respecta a la extensión de la cirugía y la radiación. Por lo tanto, es de gran relevancia clínica distinguir a las pacientes con metástasis en los ganglios linfáticos de las pacientes sin metástasis en los ganglios linfáticos. Ahora, casi el 70 % de las pacientes con cáncer de mama podrían averiguar si el cáncer se ha propagado a los ganglios linfáticos sin tener que someterse a una biopsia invasiva del ganglio centinela. Una nueva investigación muestra que con la ayuda del aprendizaje automático (un tipo de inteligencia artificial), la metástasis de los ganglios linfáticos axilares se puede descartar de manera confiable en base a imágenes con PET/MRI.

En el estudio, los investigadores del Instituto de Radiología Diagnóstica e Intervencionista del Hospital Universitario de Düsseldorf (Düsseldorf, Alemania) intentaron determinar si los modelos de predicción de aprendizaje automático podían determinar el estado de los ganglios linfáticos en los exámenes PET/MRI con la misma precisión que un radiólogo experimentado. Un total de 303 pacientes con cáncer de mama primario de tres centros médicos fueron reclutadas para el estudio y se dividieron en muestra de grupo de entrenamiento y muestra de grupo de prueba.

Todos los pacientes se sometieron a una resonancia magnética y una PET/RMN dedicada de cuerpo entero con 18F-FDG. Los conjuntos de datos de imágenes se evaluaron en busca de metástasis en los ganglios linfáticos axilares en función de las características estructurales y funcionales. Los modelos de aprendizaje automático se desarrollaron en base a las IRM y PET/MRI del grupo de muestra de entrenamiento y luego se aplicaron a la muestra del grupo de prueba. La precisión diagnóstica de la resonancia magnética fue del 87,5 % tanto para los radiólogos como para el algoritmo de aprendizaje automático. Para PET/MRI, la precisión fue del 89,3 % para los radiólogos y del 91,2 % para el aprendizaje automático. Tras ajustar el modelo de aprendizaje automático para PET/MRI, se consiguió una sensibilidad del 96,2 % y una especificidad del 68,2 %.

"El sesenta por ciento de las pacientes no tienen metástasis en los ganglios linfáticos en el momento del diagnóstico inicial de cáncer de mama", dijo la autora del estudio, Janna Morawitz, MD, residente de radiología en el Instituto de Radiología Diagnóstica e Intervencionista del Hospital Universitario de Düsseldorf. "Como tal, sería deseable poder probar el estado de los ganglios linfáticos negativos mediante imágenes con un alto grado de certeza para evitar a estos pacientes el procedimiento invasivo de biopsia o cirugía".

Enlaces relacionados:
Hospital Universitario de Düsseldorf  

Miembro Plata
X-Ray QA Meter
T3 AD Pro
Digital Radiographic System
OMNERA 300M
Wall Fixtures
MRI SERIES
Medical Radiographic X-Ray Machine
TR30N HF

Canales

Radiografía

ver canal
Imagen: un algoritmo de aprendizaje profundo detecta los niveles de calcio en la arteria coronaria en tomografías computarizadas de tórax (foto cortesía de Adobe Stock)

IA detecta enfermedades cardíacas ocultas en TC de tórax existentes

El calcio en la arteria coronaria (CAC) es un indicador importante del riesgo cardiovascular, pero su evaluación suele requerir una tomografía computarizada (TC) especializada (gated) que... Más

Ultrasonido

ver canal
Imagen: una nueva técnica de imágenes por ultrasonido médico para la monitorización en la cama del paciente podría conducir a una mejor atención al paciente (foto cortesía de Jennifer Mueller/CSU)

Nueva técnica de imágenes por ultrasonido permite el monitoreo en la UCI

La tomografía computarizada por ultrasonido (TCUS) presenta una alternativa más segura a técnicas de imagen como la tomografía computarizada por rayos X (comúnmente conocida... Más

Medicina Nuclear

ver canal
Imagen: El estudio de imágenes de cáncer de próstata tiene como objetivo reducir la necesidad de biopsias (foto cortesía de Shutterstock)

Nuevo enfoque de imagen podría reducir la necesidad de biopsias para monitorear el cáncer de próstata

El cáncer de próstata es la segunda causa principal de muerte por cáncer en hombres en Estados Unidos. Sin embargo, la mayoría de los hombres mayores diagnosticados con esta... Más

Imaginología General

ver canal
Imágenes de resultado positivo en examen de detección de colonografía por TC en un hombre asintomático de 67 años (foto cortesía de Radiology)

La colonografía por TC supera a la prueba de ADN en heces para la detección del cáncer de colon

Dado que el cáncer colorrectal sigue siendo la segunda causa principal de muertes relacionadas con el cáncer a nivel mundial, la detección temprana mediante pruebas de cribado es fundamental... 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 © 2000-2025 Globetech Media. All rights reserved.