Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

MedImaging

Deascargar La Aplicación Móvil
Noticias Recientes Radiografía RM Ultrasonido Medicina Nuclear Imaginología General TI en Imaginología Industria

IA e imagenología ayudan en el diagnóstico intraoperatorio de tumores cerebrales

Por el equipo editorial de MedImaging en español
Actualizado el 23 Jan 2020
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.

Imagen: Localización de infiltración de tumor cerebral metastásico en imágenes de SRH (Fotografía cortesía del MGH)
Imagen: Localización de infiltración de tumor cerebral metastásico en imágenes de SRH (Fotografía cortesía del MGH)

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


Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Miembro Plata
Mobile X-Ray Barrier
Lead Acrylic Mobile X-Ray Barriers
New
C-Arm with FPD
Digiscan V20 / V30
New
Breast Imaging Workstation
SecurView

Últimas Imaginología General noticias

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