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

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

Radiografía

ver canal
Imagen: Ejemplos de dosímetros de extremidades Thermo Fisher (Fotografía cortesía de Thermo Fisher Scientific).

Un servicio nuevo de monitorización simplifica los programas de seguridad de la radiación

Un nuevo servicio de monitorización de dosimetría permite a las instalaciones con requisitos de seguridad radiológica simplificar la gestión de sus programas de seguridad. Los Servicios de Dosimetría... Más

Ultrasonido

ver canal
Imagen: Un estudio nuevo afirma que el software de inteligencia artificial (IA) puede ayudar a identificar la información de los marcapasos más rápido que los métodos actuales (Fotografía cortesía de iStock).

La IA mejora la identificación mediante rayos X de los marcapasos

Según un estudio nuevo, el software de inteligencia artificial (IA) puede ayudar a determinar la marca y el modelo de los dispositivos de ritmo cardíaco (DRC) implantados con mayor exactitud y rapidez... Más

Medicina Nuclear

ver canal
Imagen: La plataforma de radiocirugía giroscópica ZAP-X (Fotografía cortesía de ZAP Surgical Systems).

Una plataforma de radiocirugía giroscópica hace la ablación de tumores de cerebro

Una plataforma nueva de radioterapia (RT) administra radiocirugía estereotáctica de dosis altas (SRS) para extirpar de forma no invasiva los tumores cerebrales y otras afecciones intracraneales seleccionadas.... Más

Imaginología General

ver canal
Imagen: El WL12 radiomarcado ilumina el tumor en un ratón durante una TEP (Fotografía cortesía de Sridhar Nimmagadda/ JHU-SOM).

La TEP ayuda a cuantificar el compromiso de los objetivos en la inmunoterapia del cáncer

Un estudio nuevo sugiere que se pueden usar las tomografías por emisión de positrones (TEP) para calcular el compromiso y la cinética de residencia del tumor de las terapias con anticuerpos.... Más

Industria

ver canal
Imagen: El software cmTriage permite a un radiólogo personalizar, clasificar y priorizar su lista de trabajo de mamografía en función de los casos que pueden necesitar atención inmediata (Fotografía cortesía de CureMetrix).

Un software de mamografía basado en IA recibe la aprobación de la FDA

CureMetrix (La Jolla, CA, EUA; www.curemetrix.com) recibió la autorización de la Administración de Medicamentos y Alimentos de los EUA para comercializar cmTriage, una herramienta de optimización del flujo... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.