Sistema nuevo de aprendizaje automático ayuda a los patólogos a diagnosticar el cáncer
Por el equipo editorial de MedImaging en español Actualizado el 26 Aug 2019 |
Investigadores de la Universidad de Washington (Seattle, WA, EUA) y la Universidad de California (Los Ángeles, CA; EUA) desarrollaron un sistema de inteligencia artificial (IA) que podría ayudar a los patólogos a leer biopsias con mayor exactitud y conducir a una mejor detección y diagnóstico del cáncer de mama. El nuevo algoritmo puede interpretar imágenes de biopsias de tejido mamario para diagnosticar el cáncer de mama con la misma exactitud o incluso mejor, que un patólogo experimentado, dependiendo de la tarea.
En 2015, un estudio de la facultad de medicina de la Universidad de Washington descubrió que los patólogos a menudo no estaban de acuerdo con la interpretación de las biopsias de mama, que se realizan en millones de mujeres cada año. El estudio reveló que se produjeron errores de diagnóstico en aproximadamente una de cada seis mujeres que tenían un tipo no invasivo de cáncer de mama llamado “carcinoma ductal in situ”. Además, se dieron diagnósticos incorrectos en aproximadamente la mitad de los casos de biopsia con células anormales que se asocian con un mayor riesgo de cáncer de mama, una afección llamada atipia de mama.
Los investigadores razonaron que la IA podría proporcionar lecturas más exactas consistentemente, ya que utiliza un gran conjunto de datos que hace posible que el sistema de aprendizaje automático reconozca patrones asociados con el cáncer que son difíciles de ver para los médicos. Después de estudiar las estrategias utilizadas por los patólogos durante las interpretaciones de biopsias de seno, el equipo desarrolló métodos de análisis de imágenes para abordar estos desafíos. Los investigadores introdujeron 240 imágenes de biopsias de seno en una computadora, entrenándola para reconocer patrones asociados con varios tipos de lesiones de mama, que van desde lesiones no cancerosas y atipias hasta carcinoma ductal in situ y cáncer de seno invasivo. Los diagnósticos correctos se determinaron por consenso entre tres patólogos expertos.
Luego, los investigadores probaron el sistema comparando sus lecturas con diagnósticos independientes realizados por 87 patólogos estadounidenses en ejercicio que interpretaron los mismos casos. El algoritmo estuvo cerca de funcionar tan bien como los médicos humanos para diferenciar el cáncer del no cáncer. Sin embargo, el algoritmo superó a los médicos en diferenciar el carcinoma ductal in situ de la atipia, diagnosticando correctamente las biopsias de cáncer de mama preinvasivas aproximadamente el 89% de las veces, en comparación con el 70% para los patólogos. Los investigadores ya comenzaron a trabajar en la capacitación del sistema para diagnosticar el cáncer de piel.
“Estos resultados son muy alentadores”, dijo la coautora del estudio, la Dra. Joann Elmore, profesora de medicina de la facultad de medicina David Geffen de la UCLA, que anteriormente era profesora de medicina interna en la facultad de medicina de la Universidad de Washington. “Hay poca exactitud entre los patólogos practicantes en los Estados Unidos cuando se trata del diagnóstico de atipias y carcinomas ductales in situ y el método automatizado basado en computadora es muy prometedor”.
Enlace relacionado:
Universidad de Washington
Universidad de California
En 2015, un estudio de la facultad de medicina de la Universidad de Washington descubrió que los patólogos a menudo no estaban de acuerdo con la interpretación de las biopsias de mama, que se realizan en millones de mujeres cada año. El estudio reveló que se produjeron errores de diagnóstico en aproximadamente una de cada seis mujeres que tenían un tipo no invasivo de cáncer de mama llamado “carcinoma ductal in situ”. Además, se dieron diagnósticos incorrectos en aproximadamente la mitad de los casos de biopsia con células anormales que se asocian con un mayor riesgo de cáncer de mama, una afección llamada atipia de mama.
Los investigadores razonaron que la IA podría proporcionar lecturas más exactas consistentemente, ya que utiliza un gran conjunto de datos que hace posible que el sistema de aprendizaje automático reconozca patrones asociados con el cáncer que son difíciles de ver para los médicos. Después de estudiar las estrategias utilizadas por los patólogos durante las interpretaciones de biopsias de seno, el equipo desarrolló métodos de análisis de imágenes para abordar estos desafíos. Los investigadores introdujeron 240 imágenes de biopsias de seno en una computadora, entrenándola para reconocer patrones asociados con varios tipos de lesiones de mama, que van desde lesiones no cancerosas y atipias hasta carcinoma ductal in situ y cáncer de seno invasivo. Los diagnósticos correctos se determinaron por consenso entre tres patólogos expertos.
Luego, los investigadores probaron el sistema comparando sus lecturas con diagnósticos independientes realizados por 87 patólogos estadounidenses en ejercicio que interpretaron los mismos casos. El algoritmo estuvo cerca de funcionar tan bien como los médicos humanos para diferenciar el cáncer del no cáncer. Sin embargo, el algoritmo superó a los médicos en diferenciar el carcinoma ductal in situ de la atipia, diagnosticando correctamente las biopsias de cáncer de mama preinvasivas aproximadamente el 89% de las veces, en comparación con el 70% para los patólogos. Los investigadores ya comenzaron a trabajar en la capacitación del sistema para diagnosticar el cáncer de piel.
“Estos resultados son muy alentadores”, dijo la coautora del estudio, la Dra. Joann Elmore, profesora de medicina de la facultad de medicina David Geffen de la UCLA, que anteriormente era profesora de medicina interna en la facultad de medicina de la Universidad de Washington. “Hay poca exactitud entre los patólogos practicantes en los Estados Unidos cuando se trata del diagnóstico de atipias y carcinomas ductales in situ y el método automatizado basado en computadora es muy prometedor”.
Enlace relacionado:
Universidad de Washington
Universidad de California
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