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
- 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