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.

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
Barrier Mount
RayShield SideWinder
New
X-Ray Image Acquisition Software
dicomPACS DX-R
New
Radiography System
Riviera SPV

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

RM

ver canal
Imagen: La nueva exploración mide los niveles de oxígeno tumoral en tiempo real para ayudar a guiar el tratamiento (Fotografía cortesía de la ICR)

Tecnología de resonancia magnética mejorada con oxígeno permite a oncólogos ver dentro de los tumores

Desde la década de 1950, los investigadores han sido conscientes de la dificultad de tratar eficazmente los tumores privados de oxígeno, problema que se agrava aún más cuando... 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
Copyright © 2000-2023 Globetech Media. All rights reserved.