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
INTEGRA BIOSCIENCES AG

Descargar La Aplicación Móvil




Herramienta de IA utiliza datos de imágenes para detectar enfermedades gastrointestinales menos frecuentes

Por el equipo editorial de LabMedica en español
Actualizado el 05 Nov 2024
Imagen: El profesor de la LMU, Frederick Klauschen, desarrolló el enfoque novedoso que puede mejorar la precisión del diagnóstico (Foto cortesía de LMU Munich)
Imagen: El profesor de la LMU, Frederick Klauschen, desarrolló el enfoque novedoso que puede mejorar la precisión del diagnóstico (Foto cortesía de LMU Munich)

La inteligencia artificial (IA) ya se utiliza en diversos campos médicos y ha demostrado tener un potencial significativo para ayudar a los médicos a diagnosticar enfermedades a través de datos de imágenes. Sin embargo, el entrenamiento de modelos de IA requiere grandes conjuntos de datos, que suelen ser abundantes para las enfermedades comunes. El verdadero desafío radica en detectar con precisión las enfermedades más raras, que muchos modelos de IA actuales tienden a pasar por alto o clasificar de forma incorrecta. Los investigadores han creado una nueva herramienta de IA diseñada para utilizar datos de imágenes para identificar de manera eficaz enfermedades menos comunes del tracto gastrointestinal.

Desarrollado por científicos de la Universidad Ludwig Maximilian de Múnich (Múnich, Alemania) y sus colaboradores, este innovador modelo solo requiere datos de entrenamiento de enfermedades observadas con frecuencia para detectar de forma fiable enfermedades más raras. Este avance tiene el potencial de mejorar la precisión diagnóstica y aliviar la carga de trabajo de los patólogos en el futuro. Como se informó en el New England Journal of Medicine AI (NEJM AI), la nueva técnica se basa en la detección de anomalías. El modelo aprende a identificar y resaltar desviaciones de la caracterización precisa de tejidos normales y hallazgos de enfermedades comunes, sin la necesidad de un entrenamiento específico en estos casos menos frecuentes. Los investigadores utilizaron un conjunto de datos de 17 millones de imágenes histológicas de 5.423 casos para el entrenamiento y la evaluación.

En su investigación, el equipo reunió dos amplios conjuntos de datos de imágenes microscópicas de secciones de tejido de biopsia gastrointestinal, junto con sus diagnósticos correspondientes. En estos conjuntos de datos, los diez hallazgos más comunes (incluidas las observaciones normales y las enfermedades prevalentes como la gastritis crónica) constituyeron aproximadamente el 90 % de los casos, mientras que el 10 % restante abarcó 56 entidades patológicas diferentes, incluidos varios tipos de cáncer. Además, el modelo de IA emplea mapas de calor para indicar visualmente la ubicación de las anomalías dentro de la sección de tejido. Al distinguir los hallazgos normales y las enfermedades comunes al tiempo que detecta anomalías, el modelo de IA está preparado para ofrecer un apoyo crucial a los profesionales de la salud. Aunque las enfermedades identificadas aún requieren la validación por parte de los patólogos, esta herramienta de IA puede reducir significativamente el tiempo de diagnóstico, ya que permite el diagnóstico automático de los hallazgos normales y una parte de las enfermedades.

“Comparamos varios enfoques técnicos y nuestro mejor modelo detectó con un alto grado de fiabilidad una amplia gama de patologías poco frecuentes del estómago y el colon, incluidos cánceres primarios o metastásicos poco frecuentes. Hasta donde sabemos, ninguna otra herramienta de inteligencia artificial publicada es capaz de hacer esto”, afirmó el profesor Frederick Klauschen, director del Instituto de Patología de la LMU.

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
βeta-Hydroxybutyrate Reagent
β-Hydroxybutyrate LiquiColor®
Miembro Oro
CONTROL DE ÍNDICES SÉRICOS
Acusera Serum Indices Control
Miembro Oro
Automatic Hematology Analyzer
CF9600

Canales

Química Clínica

ver canal
Imagen: Joy Milne, cuyo elevado sentido del olfato ayudó a inspirar la investigación sobre la firma molecular del Parkinson, participa en una investigación que investiga el sentido del olfato. (Crédito de la imagen: Universidad de Manchester)

Estudio con hisopo cutáneo identifica cambios metabólicos asociados al Parkinson

La enfermedad de Parkinson puede ser difícil de diagnosticar antes de que aparezcan los síntomas motores, lo que pone de relieve la necesidad de métodos de detección más temprana.... Más

Hematología

ver canal
Imagen: Una nueva investigación que utiliza muestras de sangre almacenadas recolectadas a lo largo del tiempo ha rastreado el desarrollo de la leucemia mieloide aguda años y décadas antes del diagnóstico (Crédito de la imagen: Shutterstock)

Muestras de sangre seriadas revelan la evolución de la leucemia décadas antes del diagnóstico

La leucemia mieloide aguda (LMA) es un cáncer de la sangre agresivo que afecta aproximadamente a 2.700 personas en el Reino Unido cada año, y solo alrededor de una de cada seis pacientes... Más

Inmunología

ver canal
Imagen: Los hallazgos subrayan la importancia de alinear las pruebas de alergia con la historia clínica y las pautas de diagnóstico para reducir las pruebas inadecuadas y sus consecuencias (Crédito de la imagen: iStock)

Encuesta revela brecha entre conocimiento y práctica en pruebas de alergia alimentaria

La evaluación de la alergia alimentaria puede ser un desafío cuando los resultados de laboratorio no coinciden con los síntomas clínicos. Los paneles amplios de alergia alimentaria... Más

Microbiología

ver canal
Imagen: La malaria es causada por parásitos Plasmodium, transmitidos principalmente a través de la picadura de mosquitos Anopheles hembra infectados (Crédito de la imagen: Adobe Stock)

Los genomas completos de malaria podrían mejorar la identificación de especies y la vigilancia

La malaria sigue siendo un importante desafío mundial para la salud, con un estimado de 282 millones de casos y 610.000 muertes en todo el mundo en 2024. Aunque la mayor parte de la investigación... Más

Tecnología

ver canal
Imagen: Módulos e interacciones clave en el sistema agente LabARIA.  (Yang, H.S., Pan, W., Cushing, M.M. et al. An agentic framework for intelligent clinical laboratory medicine. npj Health Systems (2026). https://doi.org/10.1038/s44401-026-00163-3)

Un marco de IA multiagente apoya el monitoreo de la calidad y el flujo de trabajo en el laboratorio

Los laboratorios clínicos analizan sangre, orina, tejidos y otros fluidos corporales para apoyar el diagnóstico y el tratamiento de enfermedades. El aumento del volumen de pruebas, la escasez... Más

Industria

ver canal
Imagen: El evento de cuatro días, celebrado del 13 al 16 de noviembre en Cali, destacó los avances en diagnóstico clínico, tecnologías de laboratorio e inteligencia artificial en bacteriología

El CNB 2026 destaca los avances en bacteriología y medicina de laboratorio en Cali

El 24.º Congreso Internacional del Colegio Nacional de Bacteriología (CNB) reunió a profesionales de laboratorio, investigadores, representantes de la industria y expertos internacionales en Cali, Colombia,... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.