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

Aprendizaje profundo de radiómica basada en TC predice metástasis en ganglios linfáticos de tumores

Por el equipo editorial de MedImaging en español
Actualizado el 13 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.


Imagen: El modelo de IA ha demostrado una tasa de éxito del 89 % en la predicción de metástasis en los ganglios linfáticos (Fotografía cortesía de 123RF)
Imagen: El modelo de IA ha demostrado una tasa de éxito del 89 % en la predicción de metástasis en los ganglios linfáticos (Fotografía cortesía de 123RF)

Enlaces relacionados:
Universidad de Tsukuba


Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Digital Radiography Generator
meX+20BT lite
New
Pre-Op Planning Solution
Sectra 3D Trauma
Thyroid Shield
Standard Thyroid Shield

Últimas Imaginología General noticias

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