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
Ingresar
Publique su anuncio con nosotros
Ampronix,  Inc

Modelo para identificar las lesiones mamarias

Por el equipo editorial de Medimaging en español
Actualizado el 01 Nov 2017
Print article
Imagen: El diagrama de dispersión muestra la puntuación del modelo de aprendizaje automático en comparación con un número aleatorio en el conjunto de prueba independiente (Fotografía cortesía de la RSNA).
Imagen: El diagrama de dispersión muestra la puntuación del modelo de aprendizaje automático en comparación con un número aleatorio en el conjunto de prueba independiente (Fotografía cortesía de la RSNA).
Los investigadores han entrenado una herramienta de aprendizaje automático para identificar lesiones de cáncer de mama de alto riesgo diagnosticadas con biopsia que tienen poca probabilidad de volverse cancerosas y, por lo tanto, no requieren una cirugía inmediata.
 
El modelo mostró una exactitud del 97% en sus predicciones y podría ayudar a reducir las cirugías de cáncer de mama innecesarias en un 33%. Las lesiones de alto riesgo tienen un mayor riesgo de convertirse en cáncer, pero muchas de estas lesiones se pueden seguir, de manera segura, usando imágenes, sin requerir cirugía.
 
El estudio fue publicado en línea en la edición de octubre de 2017 de la revista Radiology por investigadores del Instituto Tecnológico de Massachusetts (MIT, Boston, MA, EUA) y del Hospital General de Massachusetts (MGH; Boston, MA, EUA). La herramienta de aprendizaje automático permitió a los investigadores encontrar aquellas lesiones de alto riesgo que tienen un riesgo bajo de subir a cáncer.
 
El modelo tuvo en cuenta la edad de la paciente, la histología de la lesión y otros factores de riesgo estándar, pero también incluyó las palabras clave de los informes de patología de la biopsia. Los investigadores entrenaron el modelo utilizando pacientes con lesiones de alto riesgo comprobadas por biopsia. Después de entrenar el modelo en dos tercios de las lesiones de alto riesgo, los investigadores descubrieron que pudieron identificar el 97% de las lesiones que se volvieron cáncer. Los investigadores también encontraron que al usar el modelo podían ayudar a evitar casi un tercio de las cirugías de tumores benignos.
 
El autor del estudio, el radiólogo Manisha Bahl, MD, MPH, del MGH y de la Facultad de Medicina de Harvard, dijo: “Existen diferentes tipos de lesiones de alto riesgo. La mayoría de las instituciones recomiendan la escisión quirúrgica para lesiones de alto riesgo como la hiperplasia ductal atípica. para los que el riesgo de subir a cáncer es de aproximadamente el 20%. Para otros tipos de lesiones de alto riesgo, el riesgo de volverse cáncer varía bastante en la literatura y el manejo de la paciente, incluida la decisión sobre si extirpar o examinar la lesión, varía según las prácticas. Nuestro objetivo es aplicar la herramienta en la clínica”.
 

Print article
Italray
Radcal

Canales

Radiografía

ver canal
Imagen: Un estudio nuevo afirma que las radiografías de tórax pueden ayudar a limitar la terapia con antibióticos en caso de sospecha de neumonía (Fotografía cortesía de Alami).

Los rayos-X del tórax excluyen con efectividad la neumonía pediátrica

Un nuevo estudio afirma que los niños con sospecha clínica baja de neumonía y una radiografía de tórax negativa pueden ser observados de forma segura sin necesidad de tener que recurrir a la terapia con... Más

Imaginología General

ver canal
Imagen: La TEP resalta la activación glial aumentada en los pacientes con fibromialgia (Fotografía cortesía de Marco Loggia/MGH).

La TEP permite identificar la inflamación en los pacientes con fibromialgia

La tomografía por emisión de positrones (TEP) puede resaltar áreas de aumento de la activación glial en el cerebro de los pacientes con fibromialgia (FM), afirma un nuevo estudio. Investigadores del... Más

Industria

ver canal
Imagen: Una herramienta de IA analiza una porción de tejido canceroso para crear un mapa que diferencia dos tipos de cáncer de pulmón, con el carcinoma escamocelular en rojo, el carcinoma escamocelulares de pulmón en azul y tejido normal de pulmón en gris (Fotografía cortesía de Cision).

Una herramientas de IA identifica el tipo de cáncer y los cambios en los tumores de pulmón

Investigadores de la Facultad de Medicina de la Universidad de Nueva York (NYU) (Nueva York, NY, EUA) han desarrollado un programa informático nuevo que puede analizar las imágenes de los tumores pulmonares... Más
Copyright © 2000-2018 Globetech Media. All rights reserved.