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.

MedImaging

Deascargar La Aplicación Móvil
Noticias Recientes Radiografía RM Ultrasonido Medicina Nuclear Imaginología General TI en Imaginología Industria

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
Print article
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.).
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

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Wireless Handheld Ultrasound System
TE Air
New
Pre-Op Planning Solution
Sectra 3D Trauma
New
CT Phantom
CIRS Model 610 AAPM CT Performance Phantom

Print article

Canales

RM

ver canal
Imagen

Exploración combinada PET-MRI mejora tratamiento para pacientes con cáncer de mama en etapa temprano

La ruta de diagnóstico típica para pacientes con cáncer de mama temprano a menudo implica mamografía, ecografía y, ocasionalmente, resonancias magnéticas.... Más

Medicina Nuclear

ver canal
Imagen: El sistema de IA utiliza imágenes de gammagrafía para el diagnóstico temprano de amiloidosis cardíaca (Fotografía cortesía de 123RF)

Sistema de IA detecta de forma automática y confiable amiloidosis cardíaca mediante imágenes de gammagrafía

La amiloidosis cardíaca, una afección caracterizada por la acumulación de depósitos anormales de proteínas (amiloide) en el músculo cardíaco, afecta gravemente... Más

Imaginología General

ver canal
Imagen: La aplicación Cinematic Reality permite la interacción con representaciones realistas de la anatomía humana (Fotografía cortesía de Siemens)

Aplicación RA convierte escaneos médicos en hologramas para ayudar en planificación quirúrgica

Siemens Healthineers (Erlangen, Alemania) ha lanzado una aplicación diseñada para Apple Vision Pro que permite a los usuarios, incluidos cirujanos, estudiantes de medicina o pacientes, ver... Más

TI en Imaginología

ver canal
Imagen: La nueva Medical Imaging Suite hace que los datos de imágenes de atención médica sean más accesibles, interoperables y útiles (Fotografía cortesía de Google Cloud)

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