Un algoritmo de IA identifica los tumores grandes más rápido que otros métodos

Los científicos de computación de la Universidad de Alberta (Alberta, Canadá) han desarrollado una red neuronal que supera a otros métodos avanzados para identificar tumores de pulmón a partir de imágenes de resonancia magnética (RM), creando el potencial para ayudar a reducir el daño al tejido sano durante los tratamientos de radiación.

Ubicar los tumores pulmonares utilizando exámenes de resonancia magnética es un desafío, ya que se mueven significativamente cuando el paciente respira y las imágenes también pueden ser difíciles de interpretar. Los investigadores “entrenaron” la red neuronal en un conjunto de imágenes de resonancia magnética en las que los médicos habían identificado anteriormente tumores de pulmón. Luego, la red procesó un enorme conjunto de imágenes para saber qué apariencia tienen los tumores y qué propiedades comparten. La red neuronal se probó contra exámenes que podían o no contener tumores. Después de que la red neuronal fue entrenada, los investigadores la probaron contra otra técnica desarrollada recientemente, al comparar los dos sistemas con la identificación manual de tumores por un experto en oncología de radiación. El nuevo algoritmo superó a la otra técnica reciente en cada medida de evaluación utilizada por los investigadores.

“Los algoritmos como el desarrollado en nuestro laboratorio se pueden usar para generar un modelo específico para para el diagnóstico y el tratamiento quirúrgico de los pacientes”, dijo Pierre Boulanger, Presidente de Investigación de Cisco en Soluciones para el Cuidado de la Salud de la Universidad de Alberta. “Las regiones tumorales en los resultados de los exámenes pueden ser muy sutiles, e incluso una vez identificadas, deben rastrearse con el tiempo a medida que el tumor se mueve con la respiración. El nuevo algoritmo es capaz de combinar muchas posibilidades para encontrar los mejores descriptores para identificar regiones insalubres en un examen”.

Enlace relacionado:
Universidad de Alberta