IA puede mejorar la eficiencia y exactitud de las imágenes del cáncer de mama
Por el equipo editorial de MedImaging en español Actualizado el 19 Aug 2019 |
Imagen: Comparación de la tomosíntesis digital de mama con la mamografía (Fotografía cortesía de Carestream Health).
De acuerdo con un estudio nuevo, la inteligencia artificial (IA) puede ayudar a acortar el tiempo de lectura de la tomosíntesis digital de mama (DBT), a la vez que mantiene o mejora la exactitud.
Investigadores de la Universidad de Pensilvania (UPENN: Filadelfia, PA, EUA), iCAD (Nashua, NH, EUA) y otras instituciones, desarrollaron un sistema de IA de aprendizaje profundo que es capaz de identificar lesiones sospechosas de los tejidos blandos y calcificadas en imágenes de DBT. El sistema fue entrenado en un gran conjunto de datos DBT, y a continuación, se evaluó su desempeño haciendo que 24 radiólogos, incluidos 13 subespecialistas de mama, leyeran, cada uno, 260 exámenes DBT con y sin asistencia de la IA. Los exámenes incluyeron 65 casos de cáncer.
Los resultados revelaron que el desempeño del radiólogo para la detección de lesiones malignas aumentó de 0,795 sin IA a 0,852 con IA, mientras que el tiempo de lectura disminuyó en un 52,7%, de 64,1 segundos sin IA a 30,4 segundos con IA. La sensibilidad aumentó de 77% sin IA a 85% con IA, la especificidad aumentó de 62,7% sin a 69,6% con IA, y la tasa de rellamado, para los no cancerosos, disminuyó de 38% a 30,9% con la IA. El estudio fue publicado el 31 de julio de 2019 en la revista Radiology: Artificial Intelligence.
“En general, los lectores pudieron aumentar su sensibilidad en un ocho por ciento, reducir su tasa de rellamado en un siete por ciento y reducir su tiempo de lectura a la mitad cuando usaban la IA simultáneamente mientras leían casos de DBT”, dijo la autora principal, la profesora Emily Conant, MD, jefa de imágenes mamarias en la UPENN. “El uso simultáneo de la IA con DBT aumenta la detección de cáncer y puede hacer que los tiempos de lectura se reduzcan al tiempo que lleva leer solo la mamografía digital”.
La DBT adquiere múltiples imágenes en un rango angular limitado para producir un conjunto de imágenes reconstruidas, que luego se pueden ver individual o secuencialmente en un bucle de cine, y en una imagen 3D de la mama, que se puede ver en cortes estrechos, similar a las tomografías computarizadas . Mientras que en la mamografía 2D convencional, los tejidos superpuestos pueden enmascarar áreas sospechosas, las imágenes en 3D eliminan la superposición, haciendo que las anomalías sean más fáciles de reconocer. Se estima que la DBT en 3D reemplazará a la mamografía convencional dentro de diez años.
Enlace relacionado:
Universidad de Pensilvania
iCAD
Investigadores de la Universidad de Pensilvania (UPENN: Filadelfia, PA, EUA), iCAD (Nashua, NH, EUA) y otras instituciones, desarrollaron un sistema de IA de aprendizaje profundo que es capaz de identificar lesiones sospechosas de los tejidos blandos y calcificadas en imágenes de DBT. El sistema fue entrenado en un gran conjunto de datos DBT, y a continuación, se evaluó su desempeño haciendo que 24 radiólogos, incluidos 13 subespecialistas de mama, leyeran, cada uno, 260 exámenes DBT con y sin asistencia de la IA. Los exámenes incluyeron 65 casos de cáncer.
Los resultados revelaron que el desempeño del radiólogo para la detección de lesiones malignas aumentó de 0,795 sin IA a 0,852 con IA, mientras que el tiempo de lectura disminuyó en un 52,7%, de 64,1 segundos sin IA a 30,4 segundos con IA. La sensibilidad aumentó de 77% sin IA a 85% con IA, la especificidad aumentó de 62,7% sin a 69,6% con IA, y la tasa de rellamado, para los no cancerosos, disminuyó de 38% a 30,9% con la IA. El estudio fue publicado el 31 de julio de 2019 en la revista Radiology: Artificial Intelligence.
“En general, los lectores pudieron aumentar su sensibilidad en un ocho por ciento, reducir su tasa de rellamado en un siete por ciento y reducir su tiempo de lectura a la mitad cuando usaban la IA simultáneamente mientras leían casos de DBT”, dijo la autora principal, la profesora Emily Conant, MD, jefa de imágenes mamarias en la UPENN. “El uso simultáneo de la IA con DBT aumenta la detección de cáncer y puede hacer que los tiempos de lectura se reduzcan al tiempo que lleva leer solo la mamografía digital”.
La DBT adquiere múltiples imágenes en un rango angular limitado para producir un conjunto de imágenes reconstruidas, que luego se pueden ver individual o secuencialmente en un bucle de cine, y en una imagen 3D de la mama, que se puede ver en cortes estrechos, similar a las tomografías computarizadas . Mientras que en la mamografía 2D convencional, los tejidos superpuestos pueden enmascarar áreas sospechosas, las imágenes en 3D eliminan la superposición, haciendo que las anomalías sean más fáciles de reconocer. Se estima que la DBT en 3D reemplazará a la mamografía convencional dentro de diez años.
Enlace relacionado:
Universidad de Pensilvania
iCAD
Últimas Imaginología General noticias
- Aplicación RA convierte escaneos médicos en hologramas para ayudar en planificación quirúrgica
- Tecnología de imágenes proporciona nuevo enfoque innovador para diagnosticar y tratar cáncer de intestino
- Puntuación de calcio coronario por TC predice ataques cardíacos y accidentes cerebrovasculares
- Modelo de IA detecta 90 % de casos de cáncer linfático a partir de imágenes de PET y TC
- El algoritmo de aprendizaje profundo basado en TC diferencia con precisión las fracturas vertebrales benignas de las malignas
- Tecnología innovadora revoluciona imágenes mamarias
- Sistema de última generación mejora la precisión de procedimientos intervencionistas y diagnóstico guiados por imágenes
- Dispositivo basado en catéter con nuevo enfoque de imágenes cardiovasculares ofrece visión sin precedentes de placas peligrosas
- Modelo de IA dibuja mapas para identificar con precisión tumores y enfermedades en imágenes médicas
- Sistema de TC habilitado por IA proporciona resultados de imágenes más precisos y confiables
- Exámenes de TC tórax de rutina pueden identificar pacientes con riesgo de enfermedad cardiovascular
- Software de planificación quirúrgica preoperatoria de RA hace que la cirugía sea más segura y eficiente
- Biopsia virtual impulsada por IA ayuda a evaluar cáncer de pulmón a partir de exploraciones médicas
- Nuevos materiales imprimibles en 3D para cirugía reconstructiva se pueden monitorear mediante rayos X o TC
- TC con conteo de fotones mejora evaluación de enfermedad arterial coronaria
- Nuevo radiotrazador ilumina exploración PET para detección más temprana de enfermedades