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

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.

Analizan datos de resonancia magnética mediante aprendizaje automático para predecir progresión de tumor cerebral

Por el equipo editorial de MedImaging en español
Actualizado el 17 Jan 2023
Print article
Los investigadores han utilizado datos de resonancia magnética para personalizar aún más la medicina contra el cáncer (Fotografía cortesía de Pexels)
Los investigadores han utilizado datos de resonancia magnética para personalizar aún más la medicina contra el cáncer (Fotografía cortesía de Pexels)

El glioblastoma multiforme (GBM), un cáncer cerebral que tiene una tasa de supervivencia promedio de solo un año, puede ser difícil de tratar debido a su núcleo altamente denso, rápido crecimiento y ubicación. A los médicos les resulta difícil estimar de forma rápida y precisa la difusividad y la tasa de proliferación de estos tumores en un paciente individual. Ahora, los investigadores han creado un modelo computacional que utiliza datos de resonancia magnética para predecir con mayor precisión el crecimiento de estos tumores cerebrales mortales.

Investigadores de la Universidad de Waterloo (Waterloo, ON, Canadá) analizaron datos de resonancia magnética de varios pacientes de GBM utilizando el aprendizaje automático para predecir mejor la progresión del cáncer. El equipo analizó dos conjuntos de resonancias magnéticas de cada uno de los cinco pacientes con GBM que se sometieron a resonancias magnéticas extensas, esperaron durante meses y luego recibieron otro conjunto de resonancias magnéticas. Dado que estos pacientes optaron por no recibir ningún tratamiento o intervención durante este tiempo, los investigadores tuvieron una oportunidad única de examinar cómo crece el GBM cuando no se controla, mediante el análisis de sus resonancias magnéticas.

Usando un modelo de aprendizaje profundo, los investigadores convirtieron los datos de resonancia magnética en estimaciones de parámetros específicos del paciente que informan un modelo predictivo para el crecimiento de GBM. Aplicaron esta técnica a los tumores de los pacientes y sintéticos, de los que se conocían las características reales, lo que les permitió validar el modelo. Los científicos ahora tienen un buen modelo de cómo crece GBM sin tratamiento y ahora ampliarán el modelo para incluir el impacto del tratamiento en los tumores. El conjunto de datos luego crecería de un puñado de resonancias magnéticas a miles. Según los investigadores, el acceso a los datos de resonancia magnética y la asociación entre matemáticos y médicos pueden tener un impacto significativo en los pacientes en el futuro.

“La integración del análisis cuantitativo en el cuidado de la salud es el futuro”, dijo Cameron Meaney, candidato a doctorado en Matemáticas Aplicadas e investigador principal del estudio.

Proveedor de oro
SBRT Phantom with Removable Spine
E2E SBRT Phantom with Removable Spine Model 036S-CVXX-xx
New
Mobile DR System
uDR 380i Pro
New
Data Management System
iDMS
New
MRI Contrast Media Injector
SinoMRI-A/AP

Print article

Canales

Radiografía

ver canal
Imagen: Un estudio ha encontrado que el uso de modelos generativos para aumentar y generar datos radiológicos es factible (Fotografía cortesía de la Universidad Charité de Berlín)

Nueva herramienta de generación de imágenes por IA tiene un futuro prometedor en radiología

DALL-E 2, una herramienta de inteligencia artificial (IA) que fue presentada en abril de 2022 por OpenAI, genera nuevas imágenes fotorrealistas u obras de arte basadas en la entrada de texto.... Más

Ultrasonido

ver canal
Imagen: El nuevo ultrasonido focalizado es efectivo para tratar los trastornos del movimiento de la enfermedad de Parkinson (Fotografía cortesía de Pexels)

Nuevo tratamiento de ultrasonido focalizado demuestra efectividad en pacientes con enfermedad de Parkinson

La enfermedad de Parkinson es una afección neurológica caracterizada por la pérdida de neuronas dopaminérgicas en el cerebro. Si bien los medicamentos como la levodopa pueden... Más

Medicina Nuclear

ver canal
Imagen: El seguimiento del tratamiento con radiación en tiempo real promete una terapia contra el cáncer más segura y efectiva (Fotografía cortesía de Pexels)

Imágenes en 3D en tiempo real brindan visión única de los rayos X que golpean el interior del cuerpo durante la radioterapia

La radiación se usa en el tratamiento de cientos de miles de pacientes con cáncer cada año, bombardeando un área del cuerpo con ondas y partículas de alta energía,... 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 © 2000-2023 Globetech Media. All rights reserved.