Un software con IA diagnostica el cáncer de pulmón a partir de imágenes de TC
Por el equipo editorial de MedImaging en español Actualizado el 11 Mar 2019 |
Imagen: El sistema del Doctor AIzimov analiza los resultados de la tomografía computarizada en 20 segundos (Fotografía cortesía de la Universidad Politécnica de Peter del Gran San Petersburgo).
Un equipo de investigadores rusos, en colaboración con radiólogos, ha desarrollado un sistema de software inteligente para el diagnóstico del cáncer de pulmón. El software, que se puede instalar en cualquier computadora, analiza los resultados de la tomografía computarizada (TC) de los pacientes en 20 segundos y proporciona una imagen en la que se marca claramente la patología. El sistema ha sido nombrado Doctor AIzimov (AI para Inteligencia Artificial) en honor del escritor de ciencia ficción Isaac Asimov, quien desarrolló tres famosas leyes de la robótica.
Las primeras pruebas de este sistema inteligente se realizaron a fines de 2018, en las que el sistema analizó imágenes de tomografía computarizada de 60 pacientes y encontró nódulos focales en pulmones de tamaños pequeños (2 mm). La prueba abierta del sistema inteligente se llevará a cabo a principios de 2019. El sistema se adaptará con el fin de que pueda analizar los resultados de la investigación médica con ultrasonido y rayos X de otros órganos.
En un nuevo enfoque propuesto y desarrollado para la clasificación del cáncer de pulmón utilizando el método de las cuerdas, se utilizan imágenes de TC segmentadas: los puntos se dibujan aleatoriamente en la superficie de un nódulo, luego los puntos se conectan mediante líneas (cuerdas). El histograma de longitud de las cuerdas refleja la forma y la estructura del tumor. Aunque el sistema examina cada nódulo desde el interior, su entorno externo también es muy importante. Para aprender más sobre el tumor, se coloca en un cubo, y se dibujan líneas perpendiculares desde sus bordes hasta la superficie del nódulo.
Por lo tanto, en lugar de clasificar gráficamente imágenes complejas y pesadas de la TC (el tamaño de cada imagen de la TC es de aproximadamente 1 GB), el nódulo se representa en forma de histogramas compactos y simples, que luego son analizados por el sistema del Doctor AIzimov. Los científicos también han entrenado el sistema para poder diferenciar entre los tumores malignos y benignos. Actualmente, el conjunto de datos contiene imágenes de TC de aproximadamente 250 pacientes y los científicos planean aumentar la cantidad de imágenes en cuatro veces para mediados de 2019.
Con cada nueva imagen de TC, el sistema mejora por sí mismo. En el futuro, las imágenes de TC de un paciente se transferirán a la supercomputadora a través de Internet, lo que reducirá el tiempo de análisis de diagnóstico por paciente de 20 a 2 segundos. Después de eso, un radiólogo recibirá la imagen marcada en lugar de la imagen de TC grande, lo que reducirá significativamente el tiempo necesario para el análisis y el diagnóstico.
"Se pueden detectar muchos objetos diferentes en las imágenes de TC, por lo que la tarea principal fue entrenar al sistema para que reconociera qué representa cada uno de los objetos. Usando la clasificación clínica y radiológica, tratamos de entrenar el sistema no solo para detectar tumores, sino también para que pueda distinguir otras enfermedades similares al cáncer", dijo Anna Meldo, jefa del Departamento de Radiología del Centro de Investigación Clínica de San Petersburgo para Tipos de Atención Médica Especializada (oncológica).
Enlace relacionado:
Las primeras pruebas de este sistema inteligente se realizaron a fines de 2018, en las que el sistema analizó imágenes de tomografía computarizada de 60 pacientes y encontró nódulos focales en pulmones de tamaños pequeños (2 mm). La prueba abierta del sistema inteligente se llevará a cabo a principios de 2019. El sistema se adaptará con el fin de que pueda analizar los resultados de la investigación médica con ultrasonido y rayos X de otros órganos.
En un nuevo enfoque propuesto y desarrollado para la clasificación del cáncer de pulmón utilizando el método de las cuerdas, se utilizan imágenes de TC segmentadas: los puntos se dibujan aleatoriamente en la superficie de un nódulo, luego los puntos se conectan mediante líneas (cuerdas). El histograma de longitud de las cuerdas refleja la forma y la estructura del tumor. Aunque el sistema examina cada nódulo desde el interior, su entorno externo también es muy importante. Para aprender más sobre el tumor, se coloca en un cubo, y se dibujan líneas perpendiculares desde sus bordes hasta la superficie del nódulo.
Por lo tanto, en lugar de clasificar gráficamente imágenes complejas y pesadas de la TC (el tamaño de cada imagen de la TC es de aproximadamente 1 GB), el nódulo se representa en forma de histogramas compactos y simples, que luego son analizados por el sistema del Doctor AIzimov. Los científicos también han entrenado el sistema para poder diferenciar entre los tumores malignos y benignos. Actualmente, el conjunto de datos contiene imágenes de TC de aproximadamente 250 pacientes y los científicos planean aumentar la cantidad de imágenes en cuatro veces para mediados de 2019.
Con cada nueva imagen de TC, el sistema mejora por sí mismo. En el futuro, las imágenes de TC de un paciente se transferirán a la supercomputadora a través de Internet, lo que reducirá el tiempo de análisis de diagnóstico por paciente de 20 a 2 segundos. Después de eso, un radiólogo recibirá la imagen marcada en lugar de la imagen de TC grande, lo que reducirá significativamente el tiempo necesario para el análisis y el diagnóstico.
"Se pueden detectar muchos objetos diferentes en las imágenes de TC, por lo que la tarea principal fue entrenar al sistema para que reconociera qué representa cada uno de los objetos. Usando la clasificación clínica y radiológica, tratamos de entrenar el sistema no solo para detectar tumores, sino también para que pueda distinguir otras enfermedades similares al cáncer", dijo Anna Meldo, jefa del Departamento de Radiología del Centro de Investigación Clínica de San Petersburgo para Tipos de Atención Médica Especializada (oncológica).
Enlace relacionado:
Últimas Industria noticias
- 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
- Dispositivos de rayos X de Samsung funcionarán con soluciones de IA de Lunit para exámenes avanzados de tórax
- Canon Medical y Olympus colaboran en sistemas de ultrasonido endoscópico
- GE HealthCare adquiere empresa de análisis de imágenes por IA MIM Software
- Primeros criterios internacionales establecen las bases para mejorar diagnóstico por imágenes de tumores cerebrales
- RSNA revela los 10 estudios de radiología más citados de 2023
- Exposiciones técnicas RSNA 2023 ofrecerá innovaciones en IA, impresión 3D y más
- Según un estudio, productos de imágenes médicas por IA se quintuplicarán para 2035
- Exposiciones técnicas de RSNA 2023 destacan las últimas innovaciones en imágenes médicas
- Tecnologías impulsadas por IA ayudan a interpretar rediografías e imágenes de resonancias magnéticas para mejorar diagnóstico de enfermedades
- Hologic y Bayer se asocian para mejorar imágenes de mamografía
- Mercado mundial de arcos en C fijos y móviles impulsado por aumento de procedimientos quirúrgicos
- Mercado mundial de ultrasonido mejorado por contraste impulsado por demanda de detección temprana de enfermedades crónicas
- Uso de imágenes avanzadas aumenta en departamentos de emergencia