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
Ampronix,  Inc

Deascargar La Aplicación Móvil




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
Radcal

Canales

Ultrasonido

ver canal
Imagen: Una nueva investigación afirma que la búsqueda de rayos X con mejores imágenes puede llevar a una mayor exposición (Fotografía cortesía de Getty Images).

Llegada de la RD podría conducir a una fluencia de la colimación

El cambio a la radiografía digital (RD) puede dar lugar a un “arrastre de dosis”, en el que los niveles de radiación aumentan lentamente con el tiempo a medida que los radiólogos intentan producir una... Más

Imaginología General

ver canal
Imagen: El profesor Lyes Kadem (I) y el duplicador del corazón izquierdo personalizado de activación doble (Fotografía cortesía de la Universidad de Concordia).

RM de contraste de fase puede evaluar la función de las válvulas artificiales del corazón

De acuerdo con un estudio nuevo, las imágenes de resonancia magnética (RM) sin contraste de fase no invasivas y libres de radiación pueden detectar obstrucciones en las válvulas cardíacas mecánicas de... Más

Industria

ver canal
Imagen: Una comparación entre las imágenes de TC reconstruidas utilizando el software de reconstrucción iterativo estándar y la solución AiCE de Canon (Fotografía cortesía de Canon Medical).

Solución de reconstrucción de imágenes basada en la IA recibe aprobación de la FDA

Canon Medical Systems USA, Inc. (Tustin, CA, EUA) recibió la aprobación 510 (k) de la FDA para su nueva tecnología de reconstrucción de imágenes de red neuronal convolucional profunda (DCNN).... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.