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
Parker Laboratories

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.
30 ene 2023 - 02 feb 2023

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”.
 
Proveedor de oro
Ultrasound Transducer/Probe Cleaner
Transeptic Cleaning Solution
New
Radiology System
CS Classic
New
Digital Imaging System
ACQUIDR
New
Pocket Fetal Doppler
CONTEC10F

Print article
CIRS -  MIRION
Radcal

Canales

Radiografía

ver canal
Imagen: Modelo de aprendizaje profundo detecta riesgo de ECV utilizando imágenes de rayos X de tórax (Fotografía cortesía del Hospital General de Massachusetts)

IA predice riesgo de enfermedades cardíacas utilizando una sola radiografía

Las guías actuales recomiendan estimar el riesgo a 10 años de eventos cardiovasculares adversos mayores para establecer quién debe recibir una estatina para la prevención primaria.... Más

RM

ver canal
Imagen: Ejemplos de imágenes de RM aislando el campo de visión para enfocarse en recopilar datos de la parte del cuerpo que se examina (Fotografía cortesía de la Facultad de Medicina de la Universidad de Colorado)

Nueva tecnología diseñada para aumentar velocidades de resonancia magnética podría conducir a exploraciones más rápidas

Las matemáticas y la ingeniería complejas están involucradas en la generación de imágenes de órganos y tejidos internos cuando los pacientes ingresan al tubo ... Más

Ultrasonido

ver canal
Imagen: Una combinación de ultrasonido y nanoburbujas permite que los tumores cancerosos sean destruidos sin cirugía (Fotografía cortesía de la Universidad de Tel Aviv)

Ultrasonido combinado con nanoburbujas permite eliminar tumores sin cirugía

El método predominante de tratamiento del cáncer es la extirpación quirúrgica del tumor, en combinación con tratamientos complementarios como la quimioterapia y la inmunoterapia.... Más

Medicina Nuclear

ver canal
Imagen: El PET/CT digital de ultra alta resolución uEXPLORER ofrece escaneo dinámico de cuerpo completo (Fotografía cortesía de UIH)

Primer PET/CT de cuerpo completo del mundo permite escanear todo el cuerpo en una posición de cama

United Imaging Healthcare (UIH, Shanghái, China) presentó el primer PET/CT de cuerpo completo del mundo, uEXPLORER, con un campo de visión (FOV) axial de PET de 194 cm que permite... Más

Imaginología General

ver canal
Imagen: CT de conteo de fotones ultra alta resolución revela bronquiolectasis (Fotografía cortesía de la Universidad Médica de Viena)

TC con recuento de fotones muestra más daño pulmonar posterior a la COVID-19

La TC con detector de recuento de fotones (PCD) ha surgido en la última década como una herramienta prometedora de imagenología. Funciona convirtiendo fotones de rayos X directamente... Más
Copyright © 2000-2022 Globetech Media. All rights reserved.