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.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
PURITAN MEDICAL

Deascargar La Aplicación Móvil




Inteligencia artificial mejora diagnóstico de cáncer de mama

Por el equipo editorial de LabMedica en español
Actualizado el 05 Jan 2018
Un estudio que comparó la capacidad de los algoritmos de Inteligencia Artificial (AI) con la de patólogos expertos para la detección de cáncer de mama metastásico mediante el estudio de imágenes de láminas completas encontró que el aprendizaje automático era mejor que los patólogos. Los resultados del estudio publicado en la revista Journal of the American Medical Association, sugieren que los algoritmos de aprendizaje profundo tienen la capacidad de mejorar el diagnóstico y se podrían usar para ayudar a los médicos a detectar el cáncer en la clínica.
 
El estudio enfrentó a 11 patólogos con limitaciones de tiempo y a un patólogo sin restricciones de tiempo frente a siete algoritmos de aprendizaje profundo para analizar un conjunto de datos de entrenamiento de imágenes de láminas completas: 110 con y 160 sin metástasis ganglionares verificadas. De las 49 láminas para análisis con enfermedad metastásica, los patólogos encontraron 31 en promedio, mientras que el patólogo que pudo trabajar sin restricción de tiempo identificó correctamente 46 de 49 láminas con cáncer y 79 de 80 diapositivas sin cáncer.
 
Entre los siete algoritmos de aprendizaje profundo, el mejor algoritmo tuvo un desempeño significativamente mejor en la tarea de clasificación de imágenes de láminas completas, en comparación con los patólogos que trabajaron con limitaciones de tiempo. El desempeño medio de los cinco algoritmos principales fue comparable con el del patólogo único que pudo trabajar sin restricciones de tiempo. Sin embargo, a un promedio de 0,0125 falsos positivos por imagen de lámina normal completa, el desempeño del algoritmo de mejor rendimiento fue comparable con el del patólogo único que pudo trabajar sin restricción de tiempo.
 
La investigación fue dirigida por Babak Ehteshami Bejnordi del Centro Médico de la Universidad de Radboud de Nijmegen en los Países Bajos. Los investigadores concluyeron que, si bien los hallazgos sugerían la utilidad potencial de los algoritmos de aprendizaje profundo para el diagnóstico patológico, requería una evaluación adicional en un entorno clínico.
 
New
Miembro Oro
Serological Pipets
INTEGRA Serological Pipets
ANALIZADOR HEMATOLÓGICO DE 3 PARTES
Swelab Alfa Plus Sampler
New
Miembro Oro
Quality Control Material
iPLEX Pro Exome QC Panel
New
Automated Biochemical Analyzer
iBC 900

DIASOURCE (A Biovendor Company)

Canales

Patología

ver canal
Imagen: un estudio en tiempo real ha demostrado que la IA podría acelerar la atención del cáncer (foto cortesía de Campanella, et al., Nature Madicine)

IA predice con precisión mutaciones genéticas en muestras patológicas rutinarias para atención oncológica más rápida

Las decisiones actuales sobre el tratamiento del cáncer suelen basarse en pruebas genéticas, que pueden ser costosas, requerir mucho tiempo y no siempre estar disponibles en los principales hospitales.... Más

Tecnología

ver canal
Imagen: los investigadores Dr. Lee Eun Sook y el Dr. Lee Jinhyung examinan el equipo de impresión utilizado para la síntesis de nanodisco (foto cortesía de KRISS)

Nanomaterial multifuncional realiza simultáneamente diagnóstico, tratamiento y activación inmunitaria del cáncer

Los tratamientos contra el cáncer, como la cirugía, la radioterapia y la quimioterapia, presentan limitaciones significativas. Estos tratamientos no solo atacan las zonas cancerosas, sino... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.