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

Un sistema nuevo de IA es tan bueno como los radiólogos para detectar el cáncer de próstata

Por el equipo editorial de MedImaging en español
Actualizado el 02 May 2019
Investigadores de la Universidad de California {(UCLA), Los Ángeles, CA, EUA} desarrollaron un sistema nuevo de inteligencia artificial (IA) para ayudar a los radiólogos a mejorar su capacidad para diagnosticar el cáncer de próstata. El sistema, llamado FocalNet, ayuda a identificar y predecir la agresividad de la enfermedad evaluando las imágenes de resonancia magnética (RM) con casi el mismo nivel de exactitud que los radiólogos experimentados.

En general, los radiólogos usan la RM para detectar y evaluar la agresividad de los tumores malignos de próstata. Sin embargo, esto requiere practicar en miles de exámenes para aprender a determinar con exactitud si un tumor es canceroso o benigno y para determinar con exactitud el grado del cáncer. Además, muchos hospitales carecen de los recursos para implementar la capacitación altamente especializada requerida para detectar el cáncer usando la resonancia magnética.

FocalNet es una red neuronal artificial que puede ayudar a los radiólogos a mejorar su capacidad para diagnosticar el cáncer de próstata mediante el uso de un algoritmo que comprende más de un millón de variables entrenables. Los investigadores de la UCLA entrenaron el sistema haciéndolo analizar las imágenes por resonancia magnética de 417 hombres con cáncer de próstata. Los resultados de los exámenes se introdujeron en el sistema para que pudiera aprender a evaluar y clasificar los tumores de manera coherente y comparar los resultados con la muestras de patología real. Los investigadores probaron FocalNet y encontraron que tenía un 80,5% de exactitud en la lectura de las resonancias magnéticas, en comparación con los radiólogos que tenían al menos 10 años de experiencia y que tenían un 83,9% de exactitud. Esto sugiere que un sistema de IA podría ahorrar tiempo y proporcionar, potencialmente, orientación de diagnóstico a los radiólogos con menos experiencia.

Enlace relacionado:
Universidad de California


Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Digital Radiography Acquisition Software
VXvue with PureImpact
New
Computed Tomography (CT) Scanner
Aquilion Serve SP
Dose Area Product Meter
VacuDAP

Últimas Industria noticias

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