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

Imaginología General

ver canal
Imagen: La investigación muestra que la resonancia magnética funcional con neuroretroalimentación podría ofrecer un tratamiento potencial para el ST (Fotografía cortesía de la Universidad de Yale).

Resonancia magnética funcional en tiempo real ayuda a tratar el síndrome de Tourette

Los adolescentes con síndrome de Tourette (ST) pueden controlar sus tics faciales a través de una técnica de imagenología que les permite controlar la función de su propio cerebro en tiempo real.... Más

Industria

ver canal
Imagen: Una demostración con ACR AI-LAB permitirá a los asistentes a la Cumbre obtener una mejor comprensión de cómo los radiólogos pueden usar las herramientas ACR AI-LAB para aprender los conceptos básicos de IA y participar en la creación, evaluación y uso de la IA en la atención médica (Fotografía cortesía del ACR )

La cumbre de informática en imagenología resalta el impacto de las tecnologías de IA sobre la atención de los pacientes

La Cumbre de informática en imagenología de 2019 organizada por el Colegio Americano de Radiología {(ACR) Reston, VA, EUA} se llevará a cabo en Washington, D.C., EUA, del 5 al 6 de octubre de 2019, y se... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.