IA e imagenología ayudan en el diagnóstico intraoperatorio de tumores cerebrales
Por el equipo editorial de MedImaging en español Actualizado el 22 Jan 2020 |
Imagen: Localización de infiltración de tumor cerebral metastásico en imágenes de SRH (Fotografía cortesía del MGH)
Según un estudio nuevo, un flujo de trabajo que combina imágenes ópticas avanzadas con un algoritmo de inteligencia artificial (IA) puede diagnosticar con exactitud los tumores cerebrales en tiempo real en la sala de operaciones.
Desarrollado en la Universidad de California, San Francisco (UCSF; EUA), la Universidad de Michigan (UM; Ann Arbor, EUA), la Universidad de Columbia (Nueva York, NY, EUA) y otras instituciones, el novedoso flujo de trabajo paralelo combina la histología Raman estimulada (SRH, un método de imagen óptica sin etiquetas) y las redes neuronales convolucionales profundas (CNN) para predecir el diagnóstico en tiempo casi real de manera automatizada. Las CNN, que fueron entrenadas con más de 2,5 millones de imágenes de SRH, construyeron una jerarquía de representaciones de características histológicas reconocibles para ayudar a clasificar las principales clases histopatológicas de tumores cerebrales.
El nuevo flujo de trabajo puede diagnosticar los tumores cerebrales en menos de 150 segundos, un orden de magnitud más rápido que las técnicas de histología convencionales, que demoran entre 20 y 30 minutos. Los autores también probaron prospectivamente el flujo de trabajo en un ensayo clínico de 278 pacientes con tumores cerebrales, que demostró que la exactitud del diagnóstico basado en CNN de las imágenes de SRH (94,6%) fue ligeramente mayor que la interpretación por el patólogo de las imágenes histológicas convencionales (93,9% ) El estudio fue publicado el 6 de enero de 2020 en la revista Nature Medicine.
“Como cirujanos, estamos limitados a actuar sobre lo que podemos ver; esta tecnología nos permite ver lo que de otra manera sería invisible, para mejorar la velocidad y la exactitud en la sala de operaciones, y reducir el riesgo de diagnósticos erróneos”, concluyeron el autor principal, Todd Hollon, MD, de la UM, y sus colegas. “Se puede simplificar el diagnóstico de cáncer intraoperatorio creando una vía complementaria para el diagnóstico de tejidos que es independiente del laboratorio de patología tradicional. Con esta tecnología de imagenología, las operaciones de cáncer son más seguras y efectivas que nunca”.
Enlace relacionado:
Universidad de California, San Francisco
Universidad de Michigan
Universidad de Columbia
Desarrollado en la Universidad de California, San Francisco (UCSF; EUA), la Universidad de Michigan (UM; Ann Arbor, EUA), la Universidad de Columbia (Nueva York, NY, EUA) y otras instituciones, el novedoso flujo de trabajo paralelo combina la histología Raman estimulada (SRH, un método de imagen óptica sin etiquetas) y las redes neuronales convolucionales profundas (CNN) para predecir el diagnóstico en tiempo casi real de manera automatizada. Las CNN, que fueron entrenadas con más de 2,5 millones de imágenes de SRH, construyeron una jerarquía de representaciones de características histológicas reconocibles para ayudar a clasificar las principales clases histopatológicas de tumores cerebrales.
El nuevo flujo de trabajo puede diagnosticar los tumores cerebrales en menos de 150 segundos, un orden de magnitud más rápido que las técnicas de histología convencionales, que demoran entre 20 y 30 minutos. Los autores también probaron prospectivamente el flujo de trabajo en un ensayo clínico de 278 pacientes con tumores cerebrales, que demostró que la exactitud del diagnóstico basado en CNN de las imágenes de SRH (94,6%) fue ligeramente mayor que la interpretación por el patólogo de las imágenes histológicas convencionales (93,9% ) El estudio fue publicado el 6 de enero de 2020 en la revista Nature Medicine.
“Como cirujanos, estamos limitados a actuar sobre lo que podemos ver; esta tecnología nos permite ver lo que de otra manera sería invisible, para mejorar la velocidad y la exactitud en la sala de operaciones, y reducir el riesgo de diagnósticos erróneos”, concluyeron el autor principal, Todd Hollon, MD, de la UM, y sus colegas. “Se puede simplificar el diagnóstico de cáncer intraoperatorio creando una vía complementaria para el diagnóstico de tejidos que es independiente del laboratorio de patología tradicional. Con esta tecnología de imagenología, las operaciones de cáncer son más seguras y efectivas que nunca”.
Enlace relacionado:
Universidad de California, San Francisco
Universidad de Michigan
Universidad de Columbia
Últimas Imaginología General noticias
- Nuevo análisis de sangre podría reducir la necesidad de imágenes PET en pacientes con Alzheimer
- Procedimiento mínimamente invasivo podría ayudar a pacientes a evitar la cirugía de tiroides
- Arco en C móvil autónomo reduce tiempo de obtención de imágenes durante la cirugía
- 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