Aprendizaje profundo de radiómica basada en TC predice metástasis en ganglios linfáticos de tumores
Por el equipo editorial de MedImaging en español Actualizado el 12 Feb 2024 |
Los tumores neuroendocrinos de páncreas no funcionales, aunque poco comunes, se tratan principalmente mediante intervención quirúrgica. El proceso de toma de decisiones sobre cirugía y otros tratamientos está fuertemente influenciado por la presencia o ausencia de metástasis en los ganglios linfáticos. Actualmente existe una falta de consenso en las directrices clínicas, especialmente en lo que respecta a la necesidad de cirugía en tumores menores de 2 cm. El diagnóstico preoperatorio de metástasis en los ganglios linfáticos mediante los métodos existentes no es suficientemente confiable. Para abordar esto, los investigadores han introducido un modelo de imágenes que combina la radiómica (la extracción de datos de imágenes radiológicas) y el aprendizaje profundo para predecir metástasis preoperatorias en los ganglios linfáticos en estos tumores. Este modelo innovador marca un importante paso adelante en la evaluación no invasiva de metástasis en los ganglios linfáticos, facilitando un diagnóstico más preciso y ayudando a determinar las estrategias de tratamiento más efectivas.
El equipo de la Universidad de Tsukuba (Tsukuba, Japón) desarrolló este modelo predictivo integrando características radiómicas obtenidas de tomografías computarizadas y resonancias magnéticas con técnicas avanzadas de aprendizaje profundo de inteligencia artificial. Sorprendentemente, este modelo mostró una tasa de precisión del 89 % en la predicción de metástasis en los ganglios linfáticos, que aumenta aún más al 91 % cuando se valida con datos de un hospital externo. Notablemente, su rendimiento se mantiene estable independientemente de si el tamaño del tumor es superior o inferior a 2 cm. Por tanto, este modelo sirve como una herramienta vital para predecir metástasis en los ganglios linfáticos, proporcionando a los cirujanos información esencial para seleccionar las intervenciones quirúrgicas y los planes de tratamiento más adecuados. El desarrollo tiene el potencial de mejorar significativamente los resultados de los pacientes en este desafiante campo médico.
Enlaces relacionados:
Universidad de Tsukuba
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