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

Nueva herramienta de IA detecta posibles casos de cáncer de mama metastásico al mejorar la sensibilidad de la resonancia magnética.

Por el equipo editorial de MedImaging en español
Actualizado el 12 Jun 2024

La mayoría de las muertes relacionadas con el cáncer de mama se atribuyen a enfermedad metastásica, siendo el sitio inicial de la metástasis  a menudo un ganglio linfático axilar. Determinar con precisión el estado ganglionar es crucial para guiar las opciones de tratamiento; sin embargo, los métodos de imagen tradicionales por sí solos carecen de la sensibilidad necesaria para excluir definitivamente las metástasis axilares. En consecuencia, los pacientes con frecuencia necesitan someterse a procedimientos invasivos que implican la inyección de radioisótopos y tintes, seguidos de una cirugía para extraer y examinar los ganglios axilares en busca de células cancerosas. Ahora, un modelo pionero de inteligencia artificial (IA) que utiliza imágenes de resonancia magnética (RM) estándar junto con aprendizaje automático, puede identificar metástasis axilares: la propagación de células cancerosas a los ganglios linfáticos debajo de los brazos. Este enfoque no invasivo tiene el potencial de mejorar la detección de metástasis del cáncer de mama, reduciendo potencialmente la necesidad de biopsias quirúrgicas o con aguja.

En un análisis retrospectivo, investigadores del UT Southwestern Medical Center (Dallas, TX, EUA) evaluaron resonancias magnéticas de mama con contraste dinámico de 350 pacientes con cáncer de mama que habían sido diagnosticadas recientemente y cuyo estado ganglionar se conocía. Estas imágenes, combinadas con diversos datos clínicos, se emplearon para entrenar el modelo de IA para detectar metástasis axilares mediante técnicas de aprendizaje automático. Los resultados mostraron que el modelo de IA fue significativamente más eficaz para identificar pacientes con metástasis axilar que la resonancia magnética o la ecografía. En una aplicación práctica, este modelo de IA podría haber prevenido el 51 % de las biopsias quirúrgicas benignas (no cancerosas) o innecesarias del ganglio centinela, al tiempo que habría identificado con precisión el 95 % de los pacientes con metástasis axilar.


Imagen: La nueva herramienta de IA para detectar el posible cáncer de mama metastásico podría eliminar biopsias innecesarias (Foto cortesía de Polat, et al.; Doi.org/10.1148/rycan.230107)
Imagen: La nueva herramienta de IA para detectar el posible cáncer de mama metastásico podría eliminar biopsias innecesarias (Foto cortesía de Polat, et al.; Doi.org/10.1148/rycan.230107)

Este modelo, al ser un complemento de las técnicas de imagen estándar, también tiene el potencial de aliviar el estrés y la carga financiera de pruebas adicionales para muchos pacientes. Este estudio es parte de los esfuerzos continuos en UT Southwestern para mejorar las imágenes del cáncer de mama y desarrollar herramientas predictivas para detectar metástasis. Los investigadores ahora se centran en mejorar aún más el proceso de análisis de imágenes y pretenden incorporar una gama más amplia de datos para confirmar sus resultados.

"Ese es un avance importante porque las biopsias quirúrgicas tienen efectos secundarios y riesgos, a pesar de tener una baja probabilidad de un resultado positivo que confirme la presencia de células cancerosas", dijo la líder del estudio, Basak Dogan, MD, en UT Southwestern. "Mejorar nuestra capacidad para descartar células cancerosas La metástasis durante una resonancia magnética de rutina (utilizando este modelo) puede reducir ese riesgo y al mismo tiempo mejorar los resultados clínicos”. Los hallazgos del estudio se publicaron en la revista Radiology: Imaging Cancer el 12 de abril de 2024.

Enlaces relacionados:
UT Southwestern Medical Center


Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Ultrasound System
ARIETTA 750SE
Mobile Digital C-arm X-Ray System
HHMC-200D
New
Ultrasound Catheter Connector Cover
ACUSON AcuNav

Últimas RM noticias

Un enfoque de radiómica basada en la biología evalúa con precisión la respuesta a la terapia en pacientes con cáncer de recto

Nuevo sistema de realidad virtual controlado por seguimiento ocular mejora las resonancias magnéticas para niños pequeños

IA supera a los radiólogos en detección del cáncer de próstata en resonancias magnéticas