Algoritmo de aprendizaje automático diagnostica el cáncer antes y con exactitud
Por el equipo editorial de MedImaging en español Actualizado el 03 Sep 2019 |
Imagen: Los investigadores utilizaron imágenes sintéticas para entrenar un algoritmo de aprendizaje automático que puede ayudar a detectar el cáncer de mama de manera más rápida y correcta (Fotografía cortesía de la Universidad del Sur de California).
Un equipo de investigadores de la Universidad del Sur de California (Los Ángeles, CA, EUA) utilizó imágenes sintéticas para entrenar un algoritmo de aprendizaje automático que puede ayudar a detectar el cáncer de mama de manera más rápida y correcta. Los investigadores primero crearon modelos basados en la física que mostraban niveles variables de propiedades clave y luego usaron miles de entradas de datos derivados de esos modelos para entrenar el algoritmo de aprendizaje automático. Este tipo de técnicas se vuelven importantes en situaciones donde los datos son escasos, como en el caso de las imágenes médicas.
Los investigadores utilizaron unas 12.000 imágenes sintéticas para entrenar el algoritmo de aprendizaje automático. Al proporcionar suficientes ejemplos, el algoritmo puede obtener diferentes características inherentes a un tumor benigno versus un tumor maligno y hacer la determinación correcta. Después de lograr una exactitud de clasificación de casi el 100% en otras imágenes sintéticas, los investigadores probaron el algoritmo en imágenes del mundo real para determinar su exactitud en proporcionar un diagnóstico y midieron los resultados contra los diagnósticos confirmados por biopsia asociados con esas imágenes. El algoritmo de aprendizaje automático logró una tasa de exactitud de aproximadamente el 80% y ahora se refina aún más mediante el uso de más imágenes del mundo real como entradas.
Con base en los principios utilizados para entrenar el algoritmo de aprendizaje automático para el diagnóstico de cáncer de mama, los investigadores ahora buscan entrenar el algoritmo para diagnosticar mejor el cáncer renal a través de imágenes de TC con contraste. Los investigadores creen que es poco probable que los algoritmos de aprendizaje automático reemplacen el papel de un radiólogo en la determinación del diagnóstico, pero sí podrán servir como una herramienta para guiar a los radiólogos a llegar a conclusiones más exactas.
“El consenso general es que estos tipos de algoritmos tienen un papel importante que desempeñar, incluso de los profesionales de la imagenología a los que impactará más. Sin embargo, estos algoritmos serán más útiles cuando no sirven como cajas negras”, dijo Assad Oberai, profesor de Hughes en el Departamento de Ingeniería Aeroespacial y Mecánica de la Escuela de Ingeniería Viterbi de la USC. “¿Qué fue lo que vio que lo llevó a la conclusión final? El algoritmo debe ser explicable para que funcione según lo previsto”.
Enlace relacionado:
Universidad del Sur de California
Los investigadores utilizaron unas 12.000 imágenes sintéticas para entrenar el algoritmo de aprendizaje automático. Al proporcionar suficientes ejemplos, el algoritmo puede obtener diferentes características inherentes a un tumor benigno versus un tumor maligno y hacer la determinación correcta. Después de lograr una exactitud de clasificación de casi el 100% en otras imágenes sintéticas, los investigadores probaron el algoritmo en imágenes del mundo real para determinar su exactitud en proporcionar un diagnóstico y midieron los resultados contra los diagnósticos confirmados por biopsia asociados con esas imágenes. El algoritmo de aprendizaje automático logró una tasa de exactitud de aproximadamente el 80% y ahora se refina aún más mediante el uso de más imágenes del mundo real como entradas.
Con base en los principios utilizados para entrenar el algoritmo de aprendizaje automático para el diagnóstico de cáncer de mama, los investigadores ahora buscan entrenar el algoritmo para diagnosticar mejor el cáncer renal a través de imágenes de TC con contraste. Los investigadores creen que es poco probable que los algoritmos de aprendizaje automático reemplacen el papel de un radiólogo en la determinación del diagnóstico, pero sí podrán servir como una herramienta para guiar a los radiólogos a llegar a conclusiones más exactas.
“El consenso general es que estos tipos de algoritmos tienen un papel importante que desempeñar, incluso de los profesionales de la imagenología a los que impactará más. Sin embargo, estos algoritmos serán más útiles cuando no sirven como cajas negras”, dijo Assad Oberai, profesor de Hughes en el Departamento de Ingeniería Aeroespacial y Mecánica de la Escuela de Ingeniería Viterbi de la USC. “¿Qué fue lo que vio que lo llevó a la conclusión final? El algoritmo debe ser explicable para que funcione según lo previsto”.
Enlace relacionado:
Universidad del Sur 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