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

Medidas novedosas en el mamograma podrían revolucionar el cribado

Por el equipo editorial de MedImaging en español
Actualizado el 04 Jan 2021
Según un estudio nuevo, dos nuevas medidas de riesgo de cáncer de mama (CM), basadas en mamografías, son más efectivas para estratificar a las mujeres que la densidad mamaria y los factores de riesgo genéticos.

Desarrollado en la Universidad de Melbourne (UNIMELB; Melbourne, Australia), el Concejo de Cáncer de Victoria (Melbourne, Australia), la Universidad Monash (Melbourne, Australia) y otras instituciones, las nuevas medidas de riesgo de cáncer de mama, basadas en mamografías, se basan en el brillo de la imagen (Cirrocumulus) y la textura (Cirrus). Las medidas semiautomatizadas de densidad se repiten con niveles de brillo cada vez más altos para crear Cirrocúmulos; la inteligencia artificial (IA) y la computación de alta velocidad resuelven nuevos aspectos de la textura de una mamografía para crear Cirrus.

Imagen: Nuevas medidas mamográficas podrían ayudar a estratificar el riesgo de cáncer de mama (Fotografía cortesía de Getty Images)
Imagen: Nuevas medidas mamográficas podrían ayudar a estratificar el riesgo de cáncer de mama (Fotografía cortesía de Getty Images)

Cuando se combinan, las nuevas medidas muestran el doble del gradiente de riesgo para la medida establecida de densidad mamográfica convencional detectada por cribado (cúmulos), así como para el diagnóstico más joven de cáncer de mama y tienen al menos el mismo poder discriminatorio que la puntuación de riesgo poligénica actual. Cirrocumulus y Cirrus también muestran una mejor correlación con los factores causales, que la densidad mamográfica convencional, y también podrían ayudar a abordar el problema de los senos densos. El estudio fue publicado el 16 de noviembre de 2020 en la revista International Journal of Cancer.

“En términos de comprender cuánto difieren las mujeres en sus riesgos de cáncer de mama, estos desarrollos podrían ser los más significativos desde que se descubrieron los genes BRCA1 y BRCA2 del cáncer de mama hace 25 años”, dijo el autor principal, el profesor John Hopper, MD, de UNIMELB. “Como la mamografía ahora es digital y nuestras medidas ahora están computarizadas, las mujeres podrían ser evaluadas por su riesgo en el momento de sus exámenes de cribado de forma automática y recibir recomendaciones para sus exámenes de control futuros en función de su riesgo personal, no solo de su edad”.

La densidad mamaria es una medida de la cantidad de tejido graso frente a la cantidad de tejido fibroso en la mama. Debido a que tanto el cáncer como el tejido denso aparecen blancos en una mamografía, los tumores a menudo permanecen enmascarados, con el resultado de que casi un tercio de los tumores cancerosos en mamas densas queden enmascarados por el tejido durante la mamografía de rayos X. Según un informe de 2014 publicado por la revista Journal of the U.S. National Cancer Institute, se estima que el 43,3% de las mujeres entre las edades de 40 y 74 años tienen tejido mamario extremadamente denso.

Enlace relacionado:
Universidad de Melbourne
Concejo de Cáncer de Victoria
Universidad Monash


Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Portable Radiology System
DRAGON ELITE & CLASSIC
New
Brachytherapy Planning System
Oncentra Brachy
Ultrasound Needle Guide
Ultra-Pro II

Últimas Imaginología General noticias

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