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.
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
Ampronix,  Inc

Eventos

14 mar 2019 - 17 mar 2019

Una herramientas de IA identifica el tipo de cáncer y los cambios en los tumores de pulmón

Por el equipo editorial de Medimaging en español
Actualizado el 10 Oct 2018
Print article
Imagen: Una herramienta de IA analiza una porción de tejido canceroso para crear un mapa que diferencia dos tipos de cáncer de pulmón, con el carcinoma escamocelular en rojo, el carcinoma escamocelulares de pulmón en azul y tejido normal de pulmón en gris (Fotografía cortesía de Cision).
Imagen: Una herramienta de IA analiza una porción de tejido canceroso para crear un mapa que diferencia dos tipos de cáncer de pulmón, con el carcinoma escamocelular en rojo, el carcinoma escamocelulares de pulmón en azul y tejido normal de pulmón en gris (Fotografía cortesía de Cision).
Investigadores de la Facultad de Medicina de la Universidad de Nueva York (NYU) (Nueva York, NY, EUA) han desarrollado un programa informático nuevo que puede analizar las imágenes de los tumores pulmonares de los pacientes, especificar los tipos de cáncer e incluso identificar genes alterados que promueven el crecimiento celular anormal. En su estudio, los investigadores encontraron que el programa de inteligencia artificial (IA) o de "aprendizaje automático" podía diferenciar, con 97% de exactitud, entre el adenocarcinoma y el carcinoma escamocelular, dos tipos de cáncer de pulmón que los patólogos experimentados a veces luchan por clasificar adecuadamente sin contar con pruebas confirmatorias. Además, el estudio encontró que la IA también pudo determinar a partir del análisis de las imágenes si las versiones anormales de seis genes relacionados con el cáncer de pulmón, incluidos EGFR, KRAS y TP53, estaban presentes en las células, con una exactitud que oscilaba entre el 73% y el 86%, dependiendo del gen.

Para su estudio, los investigadores diseñaron técnicas estadísticas que dieron a su programa la capacidad de "aprender" cómo mejorar en una tarea, pero sin que se les dijera exactamente cómo. Dichos programas crean reglas y modelos matemáticos que permiten la toma de decisiones con base en ejemplos de datos que se incorporan a ellos, y el programa se vuelve "más inteligente" a medida que crece la cantidad de datos de capacitación.

Los métodos nuevos de IA, inspirados por las redes de células nerviosas en el cerebro, utilizan circuitos cada vez más complejos para procesar información en capas, con cada paso alimentando la información del siguiente, y asigna más o menos importancia a cada información en el camino. Los investigadores entrenaron una red neuronal convolucional profunda, la Inception v3 de Google, para analizar imágenes de láminas obtenidas del Atlas del Genoma del Cáncer, una base de datos de imágenes a las que ya se les habían determinado los diagnósticos de cáncer. Esto permitió a los investigadores medir qué tan bien podría entrenarse su programa para clasificar de manera exacta y automática el tejido normal frente al enfermo.

El estudio encontró que aproximadamente la mitad del pequeño porcentaje de imágenes de tumores clasificadas erróneamente por el programa de IA del estudio también fueron clasificadas erróneamente por los patólogos, lo que destaca la dificultad de diferenciar entre los dos tipos de cáncer de pulmón. Por otro lado, 45 de las 54 imágenes clasificadas incorrectamente por al menos uno de los patólogos en el estudio fueron asignadas al tipo de cáncer correcto por el programa de aprendizaje automático, lo que sugiere que la IA podría ofrecer una segunda opinión útil.

Los investigadores ahora planean continuar entrenando su programa de inteligencia artificial con datos hasta que pueda determinar qué genes están mutados en un cáncer dado con más del 90% de exactitud, y luego comenzarán a buscar la aprobación del gobierno para utilizar la tecnología clínicamente y en el diagnóstico de varios tipos de cáncer.

"Retrasar el inicio del tratamiento contra el cáncer nunca es bueno", dijo el autor principal del estudio, Aristotelis Tsirigos, PhD, profesor asociado en el Departamento de Patología de la Facultad de Medicina de la Universidad de Nueva York y en el Centro de Cáncer Perlmutter Langone Health de la Universidad de Nueva York. "Nuestro estudio proporciona pruebas sólidas de que un método de IA podrá determinar instantáneamente el subtipo de cáncer y el perfil mutacional para que los pacientes comiencen con terapias dirigidas antes".

"En nuestro estudio, nos entusiasmó mejorar las exactitudes a nivel de patólogo y demostrar que la IA puede descubrir patrones previamente desconocidos en las características visibles de las células cancerosas y los tejidos que las rodean", dijo el coautor correspondiente del estudio, Narges Razavian. PhD, profesor asistente en los departamentos de Radiología y Salud de la Población. "La sinergia entre los datos y el poder computacional crea oportunidades sin precedentes para mejorar tanto la práctica como la ciencia de la medicina".

Enlace relacionado:
Facultad de Medicina de la Universidad de Nueva York


Print article
Radcal
Italray

Canales

Radiografía

ver canal
Imagen: Las pruebas de aisladores cristalinos pueden medir los niveles de radiación de fondo (Fotografía cortesía de la Universidad Estatal de Carolina del Norte).

Unas pruebas cristalinas evalúan rápidamente la exposición a la radiación

Un estudio nuevo afirma que el análisis de los aisladores cristalinos que se encuentran en la mayoría de los dispositivos electrónicos modernos, podría facilitar la dosimetría de respuesta de emergencia... Más

Ultrasonido

ver canal
Imagen: El aprendizaje profundo y la inteligencia artificial (AI) transforman los exámenes de ultrasonido obstétrico en una experiencia más fácil, más rápida, más consistente y mucho más exacta (Fotografía cortesía de SonoScape).

Una tecnología con IA automatiza el flujo de trabajo del ultrasonido obstétrico

El algoritmo S-fetus de SonoScape Medical (Shenzhen, China), diseñado para el sistema de ultrasonido S60, ha sido diseñado para simplificar un procedimiento de ultrasonido obstétrico estándar reduciéndolo... 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 nuevo sistema de resonancia magnética, Magnetom Lumina 3T (Fotografía cortesía de Siemens Healthineers).

Un escáner de resonancia magnética de gran apertura mejora la satisfacción de los pacientes.

Un dispositivo innovador de imágenes de resonancia magnética (RM) utiliza una tecnología centrada en el paciente para simplificar y acortar los flujos de trabajo y aumentar la productividad, la reproducibilidad... Más

TI en Imaginología

ver canal
Imagen: El software empresarial uPath proporciona mejores herramientas de patología digital (Fotografía cortesía de Roche).

Un software de patología digital mejora la eficiencia del flujo de trabajo

Una plataforma de software novedosa reduce drásticamente los tiempos de generación de imágenes, integra el análisis automatizado de imágenes y permite un mejor intercambio de casos entre patólogos.... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.