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




Algoritmo de IA detecta el 30% de los cánceres de mama que no se ven en las resonancias magnéticas

Por el equipo editorial de MedImaging en español
Actualizado el 15 Nov 2024
Imagen: Cada uno de los cuatro paneles muestra el seno sano en la resonancia magnética actual (izquierda) y el cáncer en la RM posterior (derecha), con el cáncer destacado en amarillo (foto cortesía de Academic Radiology; doi.org/10.1016/j. ACRA.2024.10.014)
Imagen: Cada uno de los cuatro paneles muestra el seno sano en la resonancia magnética actual (izquierda) y el cáncer en la RM posterior (derecha), con el cáncer destacado en amarillo (foto cortesía de Academic Radiology; doi.org/10.1016/j. ACRA.2024.10.014)

En los Estados Unidos, más de 500.000 mujeres participan cada año en exámenes suplementarios de resonancia magnética (RM) de mama. Se considera que estas mujeres tienen un riesgo elevado de cáncer de mama. Después de una mamografía de detección negativa, la RM complementaria puede descubrir entre 15 y 18 cánceres adicionales por cada 1.000 mujeres de alto riesgo. Gracias a la mayor sensibilidad de la RM en comparación con la mamografía, puede ser posible estimar el riesgo de una persona de desarrollar cáncer en el próximo año basado en su última RM de cribado negativa. Los investigadores han propuesto que los exámenes de RM actuales contienen información valiosa sobre el resultado del próximo cribado anual. Basándose en esta hipótesis, han desarrollado y evaluado un algoritmo de inteligencia artificial (IA) para identificar el cáncer de mama en exploraciones de RM hasta un año antes de cuando los radiólogos normalmente lo detectan, lo que podría mejorar la detección temprana entre mujeres de alto riesgo.

Un equipo de investigación del City College de Nueva York (Nueva York, NY, EUA) afinó un modelo de IA de red neuronal convolucional (CNN), que se entrenó previamente con datos de RM de mama, utilizando un conjunto de datos retrospectivo que incluía 3029 exploraciones de resonancia magnética de 910 pacientes. Este conjunto de datos contenía 115 cánceres diagnosticados en el plazo de un año a partir de un resultado negativo de la resonancia magnética. El modelo tenía como objetivo identificar estos cánceres para predecir el desarrollo del cáncer con hasta un año de antelación. La red se afinó y validó utilizando un método de validación cruzada de 10 veces. La edad media de los pacientes involucrados fue de 52 años, con un rango de entre 18 y 88 años, con una duración media de seguimiento de 4,3 años, que abarcó de 1 a 12 años.

La IA fue capaz de detectar cánceres un año antes, logrando un área bajo la curva ROC de 0,72. Una revisión retrospectiva por parte de un radiólogo de las resonancias magnéticas con el 10% más alto de riesgo, según la clasificación de la IA, podría haber aumentado la detección temprana hasta en un 30%. El radiólogo identificó un marcador visual para los cánceres confirmados por biopsia en 83 escaneos de RM del año anterior. El algoritmo de IA señaló las regiones anatómicas donde se detectaría el cáncer en 66 casos, con concordancia entre los dos métodos en 54 casos. Con base en los hallazgos publicados en la revista Academic Radiology, los investigadores concluyeron que su innovadora reevaluación asistida por IA de las exploraciones mamarias "benignas" tiene promesa para mejorar la detección temprana del cáncer de mama mediante RM. A medida que los conjuntos de datos se expandan y la calidad de la imagen continúe mejorando, anticipan que este método será cada vez más influyente.

Digital Intelligent Ferromagnetic Detector
Digital Ferromagnetic Detector
New
Mammography System (Analog)
MAM VENUS
Ultrasound Imaging System
P12 Elite
New
Half Apron
Demi

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: el nuevo dispositivo implantable para el tratamiento del dolor crónico es pequeño y flexible (foto cortesía de The Zhou Lab at USC)

Dispositivo inalámbrico para el manejo del dolor crónico reduce la necesidad de analgésicos y cirugía

El dolor crónico afecta a millones de personas en todo el mundo, lo que a menudo provoca discapacidad a largo plazo y dependencia de opioides, los cuales conllevan riesgos importantes de efectos... 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.