Un algoritmo de IA detecta el cáncer de mama en las imágenes de resonancia magnética
Por el equipo editorial de MedImaging en español Actualizado el 24 Apr 2019 |

Imagen: Se capacitó a un algoritmo inteligente en una red neuronal para reconocer la aparición del cáncer de mama en las imágenes de resonancia magnética. El algoritmo, descrito en el Simposio de Imágenes Mamarias SBI/ACR, utilizó el “Aprendizaje profundo”, una forma de aprendizaje automático, que es un tipo de inteligencia artificial (Fotografía cortesía de Sarah Eskreis-Winkler, M.D.).
Un equipo de investigadores del Centro de Cáncer Memorial Sloan Kettering (Nueva York, NY, EUA) capacitó a un algoritmo inteligente en una red neuronal para reconocer la aparición del cáncer de mama en las imágenes de resonancia magnética. Según los investigadores, el algoritmo utiliza el aprendizaje profundo, una forma de aprendizaje automático, que es un tipo de inteligencia artificial (IA), para identificar tumores en las imágenes de RM de mama y podría ahorrar tiempo sin comprometer la exactitud.
Los investigadores utilizaron una red neuronal para clasificar segmentos de las imágenes de RM y extraer las características. El algoritmo aprendió a hacer esto por sí solo y el uso del aprendizaje profundo eliminó la necesidad de decirle explícitamente a la computadora qué es lo que debía buscar. Los investigadores probaron el algoritmo procesando imágenes de RM de 277 mujeres, clasificando segmentos dentro de estas imágenes como mostrando o no mostrando tumor. El algoritmo logró una exactitud del 93% en un conjunto de pruebas, mientras que la sensibilidad y especificidad para la detección de tumores fueron del 94% y 92%, respectivamente.
Los investigadores creen que el algoritmo, si está integrado en el flujo de trabajo clínico, tiene el potencial de mejorar la eficiencia de los radiólogos. También podría ahorrar tiempo durante las juntas de tumores al desplazarse automáticamente a los cortes de RM de la mama que muestran lesiones de cáncer, eliminando así el tiempo que de lo contrario se gastaría desplazando manualmente estos cortes. Sin embargo, los investigadores han advertido que el aprendizaje profundo no puede proporcionar la solución completa y que las personas tendrían que trabajar con algoritmos de aprendizaje profundo para alcanzar su potencial.
“La forma en que se integrarán las herramientas de inteligencia artificial en nuestra práctica diaria aún es incierta”, dijo Eskreis-Winkler, MD, quien presentó los datos en el reciente Simposio de Imágenes Mamarias de la Sociedad para Imágenes Mamarias (SBI)/Colegio Americano de Radiología (ACR) . “Así que hay una gran oportunidad para que seamos creativos y proactivos, con el fin de encontrar maneras de aprovechar el poder de la IA para convertirnos en mejores radiólogos y servir mejor a nuestros pacientes”.
Enlace relacionado:
Centro de Cáncer Memorial Sloan Kettering
Los investigadores utilizaron una red neuronal para clasificar segmentos de las imágenes de RM y extraer las características. El algoritmo aprendió a hacer esto por sí solo y el uso del aprendizaje profundo eliminó la necesidad de decirle explícitamente a la computadora qué es lo que debía buscar. Los investigadores probaron el algoritmo procesando imágenes de RM de 277 mujeres, clasificando segmentos dentro de estas imágenes como mostrando o no mostrando tumor. El algoritmo logró una exactitud del 93% en un conjunto de pruebas, mientras que la sensibilidad y especificidad para la detección de tumores fueron del 94% y 92%, respectivamente.
Los investigadores creen que el algoritmo, si está integrado en el flujo de trabajo clínico, tiene el potencial de mejorar la eficiencia de los radiólogos. También podría ahorrar tiempo durante las juntas de tumores al desplazarse automáticamente a los cortes de RM de la mama que muestran lesiones de cáncer, eliminando así el tiempo que de lo contrario se gastaría desplazando manualmente estos cortes. Sin embargo, los investigadores han advertido que el aprendizaje profundo no puede proporcionar la solución completa y que las personas tendrían que trabajar con algoritmos de aprendizaje profundo para alcanzar su potencial.
“La forma en que se integrarán las herramientas de inteligencia artificial en nuestra práctica diaria aún es incierta”, dijo Eskreis-Winkler, MD, quien presentó los datos en el reciente Simposio de Imágenes Mamarias de la Sociedad para Imágenes Mamarias (SBI)/Colegio Americano de Radiología (ACR) . “Así que hay una gran oportunidad para que seamos creativos y proactivos, con el fin de encontrar maneras de aprovechar el poder de la IA para convertirnos en mejores radiólogos y servir mejor a nuestros pacientes”.
Enlace relacionado:
Centro de Cáncer Memorial Sloan Kettering
Últimas Industria noticias
- Colaboración entre GE HealthCare y NVIDIA para reinventar la imagenología diagnóstica
- Siemens y Sectra colaboran en la mejora de los flujos de trabajo en radiología
- Bracco Diagnostics y ColoWatch se asocian para ampliar la disponibilidad de pruebas de detección de CCR mediante colonoscopia virtual
- Mindray se asocia con TeleRay para optimizar la entrega de ecografías
- Philips y Medtronic se asocian para el cuidado de accidentes cerebrovasculares
- Siemens y Medtronic forman alianza global para avanzar en tecnologías de imagenología para el cuidado de la columna vertebral
- Exhibiciones técnicas de la RSNA 2024 mostrarán los últimos avances en radiología
- Una colaboración innovadora mejorará la detección del accidente cerebrovascular isquémico
- Microsoft colabora con sistemas médicos académicos líderes para avanzar en la IA en imágenes médicas
- GE HealthCare adquiere el negocio de inteligencia artificial clínica de Intelligent Ultrasound Group
- Bayer y Rad AI colaboran para expandir el uso de soluciones operativas de radiología de vanguardia basadas en IA
- La empresa polaca de tecnología médica BrainScan planea expandirse extensamente en mercados extranjeros
- Bayer y Google se asocian en un nuevo producto de inteligencia artificial para radiólogos
- Samsung y Bracco firman nuevo acuerdo de tecnología de ultrasonido de diagnóstico
- IBA adquiere Radcal para ampliar oferta de garantía de calidad de imágenes médicas
- Sociedades internacionales sugieren consideraciones clave para herramientas IA para radiología
Canales
Radiografía
ver canal
Algoritmo de aprendizaje automático identifica riesgo cardiovascular a partir de escaneos ósea de rutina
Un nuevo estudio publicado en el Journal of Bone and Mineral Research revela que un programa automatizado de aprendizaje automático puede predecir el riesgo de eventos cardiovasculares y caídas... Más
La IA mejora la detección temprana de los cánceres de mama de intervalo
Los cánceres de mama de intervalo, que aparecen entre mamografías de rutina, son más tratables cuando se detectan a tiempo. La detección temprana puede reducir la necesidad... MásRM
ver canal
Examen de resonancia magnética más corto detecta eficazmente el cáncer en mamas densas
Las mujeres con mamas extremadamente densas se enfrentan a un mayor riesgo de no recibir un diagnóstico de cáncer de mama, ya que el tejido glandular y fibroso denso puede ocultar los tumores... Más
La resonancia magnética reemplazará la dolorosa punción lumbar para un diagnóstico más rápido de la EM
La esclerosis múltiple (EM) es una enfermedad neurológica difícil de diagnosticar debido a su amplia gama de síntomas. No todos los pacientes experimentan los mismos síntomas... MásUltrasonido
ver canal
Nueva técnica sin incisiones detiene el crecimiento de lesiones cerebrales debilitantes
Las malformaciones cavernosas cerebrales (MCC), también conocidas como cavernomas, son agrupaciones anómalas de vasos sanguíneos que pueden formarse en el cerebro, la médula... Más
La ecografía pulmonar asistida por IA supera a expertos humanos en el diagnóstico de tuberculosis
A pesar de la disminución global de las tasas de tuberculosis (TB) en años anteriores, su incidencia aumentó un 4,6% entre 2020 y 2023. La detección temprana y el diagnóstico rápido son elementos esenciales... Más
La IA identifica la enfermedad de la válvula cardíaca a partir de una prueba de imagen común
La insuficiencia tricúspide es una afección en la que la válvula tricúspide del corazón no se cierra completamente durante la contracción, lo que provoca un flujo sanguíneo retrógrado que puede provocar... Más
Nuevo método de imágenes permite el diagnóstico temprano y seguimiento de la diabetes tipo 2
La diabetes tipo 2 se reconoce como una enfermedad inflamatoria autoinmune, en la que la inflamación crónica provoca alteraciones en la microvasculatura de los islotes pancreáticos, un factor clave en... MásMedicina Nuclear
ver canal
Nuevo enfoque de imagen podría reducir la necesidad de biopsias para monitorear el cáncer de próstata
El cáncer de próstata es la segunda causa principal de muerte por cáncer en hombres en Estados Unidos. Sin embargo, la mayoría de los hombres mayores diagnosticados con esta... Más
Nuevo anticuerpo radiomarcado mejora el diagnóstico y tratamiento de tumores sólidos
El receptor de interleucina-13 α-2 (IL13Rα2) es un receptor de superficie celular que se encuentra comúnmente en tumores sólidos como el glioblastoma, el melanoma y el cáncer... MásImaginología General
ver canal
Dispositivo portátil pionero ofrece una alternativa revolucionaria a las tomografías computarizadas
Actualmente, los pacientes con afecciones como insuficiencia cardíaca, neumonía o dificultad respiratoria suelen requerir múltiples procedimientos de diagnóstico por imagen... Más
Análisis de TC basado en IA predice daño renal en etapa temprana causado por tratamientos contra el cáncer
La terapia con radioligandos, una forma de medicina nuclear dirigida, ha cobrado relevancia recientemente por su potencial en el tratamiento de tipos específicos de tumores. Sin embargo, uno de... MásTI en Imaginología
ver canal
Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles
Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más
Plataforma para el manejo de imágenes agiliza los planes de tratamiento
Un conjunto de soluciones de software del ecosistema de imágenes proporciona accesibilidad segura a las imágenes médicas, mejorando los flujos de trabajo y la atención a los pacientes. La plataforma... MásUna red global nueva mejora el acceso a la comprensión diagnóstica
Quest Diagnostics (Madison, NJ, EUA), un proveedor líder de servicios de información de diagnóstico, junto con otros proveedores de servicios de diagnóstico, ha anunciado la formación y el lanzamiento de la Red de Diagnóstico Global (GDN), un grupo de... Más