Método nuevo basado en IA detecta la respuesta del cerebro al tratamiento de la esclerosis múltiple
Por el equipo editorial de MedImaging en español Actualizado el 15 Jul 2019 |
Investigadores en el Colegio Universitario de Londres {(UCL), Londres, Reino Unido} y el King's College de Londres {(KCL) Londres, Reino Unido} desarrollaron un método nuevo, basado en inteligencia artificial (IA), para detectar la respuesta del cerebro al tratamiento en la esclerosis múltiple (EM). El nuevo método tiene una sensibilidad sustancialmente mayor de lo que permiten las medidas convencionales derivadas por los radiólogos.
Los investigadores estudiaron pacientes con EM recurrente-remitente que fueron tratados con el fármaco modificador de la enfermedad natalizumab, en que se obtuvieron imágenes de resonancia magnética (RM) en serie antes y después del inicio del tratamiento. El equipo utilizó la visión artificial para extraer una “huella digital de imagen” del estado del cerebro de cada escaneo, capturando cambios detallados en la materia blanca y gris y produciendo un rico conjunto de trayectorias regionales a lo largo del tiempo.
En comparación con el análisis convencional de las medidas tradicionales de volumen total de lesión y materia gris que un radiólogo puede extraer, el modelado asistido por IA de las complejas huellas dactilares de la imagen fue capaz de discriminar entre las trayectorias de cambio previas y posteriores al tratamiento con una exactitud mucho mayor. El estudio demostró que la IA se puede usar para detectar cambios en las imágenes del cerebro en la EM tratada con mayor sensibilidad que las medidas lo suficientemente simples como para que los radiólogos las cuantifiquen, permitiendo un desempeño “sobrehumano” en la tarea. El enfoque se podría utilizar para guiar la terapia en pacientes individuales, detectar el éxito o el fracaso del tratamiento más rápido y para realizar ensayos de nuevos fármacos de manera más eficaz y con grupos de pacientes más pequeños.
El Dr. Parashkev Nachev del Instituto de Neurología Queen Square del UCL, quien dirigió el estudio dijo: “En lugar de intentar copiar lo que los radiólogos ya hacen perfectamente bien, el modelado computacional complejo en neurología se implementa mejor en tareas que los expertos humanos no pueden hacer en lo absoluto: sintetizar una multiplicidad rica de características clínicas y de imagen en una descripción coherente y cuantificada del paciente individual en su conjunto. Esto nos permite combinar la flexibilidad y la delicadeza de un clínico con el rigor y la objetividad de una máquina”.
Enlace relacionado:
Colegio Universitario de Londres
King's College de Londres
Los investigadores estudiaron pacientes con EM recurrente-remitente que fueron tratados con el fármaco modificador de la enfermedad natalizumab, en que se obtuvieron imágenes de resonancia magnética (RM) en serie antes y después del inicio del tratamiento. El equipo utilizó la visión artificial para extraer una “huella digital de imagen” del estado del cerebro de cada escaneo, capturando cambios detallados en la materia blanca y gris y produciendo un rico conjunto de trayectorias regionales a lo largo del tiempo.
En comparación con el análisis convencional de las medidas tradicionales de volumen total de lesión y materia gris que un radiólogo puede extraer, el modelado asistido por IA de las complejas huellas dactilares de la imagen fue capaz de discriminar entre las trayectorias de cambio previas y posteriores al tratamiento con una exactitud mucho mayor. El estudio demostró que la IA se puede usar para detectar cambios en las imágenes del cerebro en la EM tratada con mayor sensibilidad que las medidas lo suficientemente simples como para que los radiólogos las cuantifiquen, permitiendo un desempeño “sobrehumano” en la tarea. El enfoque se podría utilizar para guiar la terapia en pacientes individuales, detectar el éxito o el fracaso del tratamiento más rápido y para realizar ensayos de nuevos fármacos de manera más eficaz y con grupos de pacientes más pequeños.
El Dr. Parashkev Nachev del Instituto de Neurología Queen Square del UCL, quien dirigió el estudio dijo: “En lugar de intentar copiar lo que los radiólogos ya hacen perfectamente bien, el modelado computacional complejo en neurología se implementa mejor en tareas que los expertos humanos no pueden hacer en lo absoluto: sintetizar una multiplicidad rica de características clínicas y de imagen en una descripción coherente y cuantificada del paciente individual en su conjunto. Esto nos permite combinar la flexibilidad y la delicadeza de un clínico con el rigor y la objetividad de una máquina”.
Enlace relacionado:
Colegio Universitario de Londres
King's College de Londres
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