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.

Please note that the LabMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
RANDOX LABORATORIES

Deascargar La Aplicación Móvil




Algoritmo de IA de autoaprendizaje utiliza imágenes patológicas para diagnosticar enfermedades raras

Por el equipo editorial de LabMedica en español
Actualizado el 13 Oct 2022
Print article
Imagen: El nuevo modelo actúa como motor de búsqueda para grandes bases de datos de imágenes de patología (Fotografía cortesía del Hospital Brigham and Women's)
Imagen: El nuevo modelo actúa como motor de búsqueda para grandes bases de datos de imágenes de patología (Fotografía cortesía del Hospital Brigham and Women's)

Las enfermedades raras suelen ser difíciles de diagnosticar y predecir el mejor curso de tratamiento puede ser un desafío para los médicos. Las bases de datos electrónicas modernas pueden almacenar una inmensa cantidad de registros digitales e imágenes de referencia, particularmente en patología a través de imágenes de diapositivas completas (WSI). Sin embargo, el tamaño en gigapíxeles de cada WSI individual y el número cada vez mayor de imágenes en grandes repositorios significa que la búsqueda y recuperación de WSI puede ser lenta y complicada. Como resultado, la escalabilidad sigue siendo un obstáculo importante para el uso eficiente. Para resolver este problema, los investigadores ahora han desarrollado un algoritmo de aprendizaje profundo que puede enseñarse a sí mismo a aprender características que luego se pueden usar para encontrar casos similares en grandes depósitos de imágenes de patología.

Conocida como SISH (siglas en inglés para búsqueda de imágenes autosupervisadas para histología), la nueva herramienta desarrollada por investigadores del Hospital Brigham and Women's (Boston, MA, EUA), actúa como un motor de búsqueda de imágenes patológicas y tiene muchas aplicaciones potenciales, incluida la identificación de enfermedades raras y ayudar a los médicos a determinar qué pacientes tienen probabilidades de responder a terapias similares. El algoritmo se enseña a sí mismo a aprender representaciones de características que se pueden usar para encontrar casos con características análogas en patología a una velocidad constante, independientemente del tamaño de la base de datos.

En su estudio, los investigadores probaron la velocidad y la capacidad de SISH para recuperar información de subtipo de enfermedad interpretable para cánceres comunes y raros. El algoritmo recuperó con éxito imágenes con velocidad y precisión de una base de datos de decenas de miles de imágenes de diapositivas completas de más de 22.000 casos de pacientes, con más de 50 tipos de enfermedades diferentes y más de una docena de sitios anatómicos. La velocidad de recuperación superó a otros métodos en muchos escenarios, incluida la recuperación de subtipos de enfermedades, particularmente cuando el tamaño de la base de datos de imágenes se amplió a miles de imágenes. Incluso mientras los depósitos se expandían en tamaño, SISH aún podía mantener una velocidad de búsqueda constante.

Sin embargo, el algoritmo de autoaprendizaje tiene algunas limitaciones, incluido un gran requerimiento de memoria, una conciencia limitada del contexto dentro de grandes diapositivas de tejido y el hecho de que está limitado a una sola modalidad de imagen. En general, el algoritmo demostró la capacidad de recuperar imágenes de manera eficiente independientemente del tamaño del repositorio y en diversos conjuntos de datos. También demostró capacidad en el diagnóstico de tipos de enfermedades raras y la capacidad de servir como motor de búsqueda para reconocer ciertas regiones de imágenes que pueden ser relevantes para el diagnóstico. Este trabajo puede informar en gran medida el diagnóstico, pronóstico y análisis de enfermedades futuras.

"Demostramos que nuestro sistema puede ayudar con el diagnóstico de enfermedades raras y encontrar casos con patrones morfológicos similares sin la necesidad de anotaciones manuales y grandes conjuntos de datos para el entrenamiento supervisado", dijo el autor principal Faisal Mahmood, PhD, en el Departamento de Patología de Brigham. “Este sistema tiene el potencial de mejorar la capacitación en patología, la subtipificación de enfermedades, la identificación de tumores y la identificación de morfologías raras”.

“A medida que el tamaño de las bases de datos de imágenes continúa creciendo, esperamos que SISH sea útil para facilitar la identificación de enfermedades”, agregó Mahmood. "Creemos que una dirección futura importante en esta área es la recuperación multimodal de casos, que implica el uso conjunto de datos de patología, radiología, genómica y registros médicos electrónicos para encontrar casos de pacientes similares".

Enlaces relacionados:
Hospital Brigham and Women's  

Miembro Platino
PRUEBA RÁPIDA COVID-19
OSOM COVID-19 Antigen Rapid Test
Magnetic Bead Separation Modules
MAG and HEATMAG
POCT Fluorescent Immunoassay Analyzer
FIA Go
Miembro Oro
Fully Automated Cell Density/Viability Analyzer
BioProfile FAST CDV

Print article

Canales

Química Clínica

ver canal
Imagen: Alcanzando velocidades de hasta 6.000 rpm, esta centrífuga forma la base de un nuevo tipo de prueba biomédica POC económica (Fotografía cortesía de la Universidad de Duke)

Prueba biomédica POC hace girar una gota de agua utilizando ondas sonoras para detección del cáncer

Los exosomas, pequeñas biopartículas celulares que transportan un conjunto específico de proteínas, lípidos y materiales genéticos, desempeñan un papel... Más

Diagnóstico Molecular

ver canal
Imagen: El biomarcador localiza una proteína asociada con la pérdida de función para la proteína TDP-43 (Fotografía cortesía de Johns Hopkins Medicine)

Prueba de biomarcadores líquidos detecta enfermedades neurodegenerativas antes de que aparezcan síntomas

La esclerosis lateral amiotrófica (ELA, también conocida como enfermedad de Lou Gehrig) y la demencia frontotemporal (DFT) son dos afecciones progresivamente neurodegenerativas que dañan... Más

Hematología

ver canal
Imagen: El dispositivo portátil de bajo costo identifica rápidamente a los pacientes de quimioterapia en riesgo de sepsis (Fotografía cortesía de 52North Health)

Prueba de sangre POC por punción digital determina riesgo de sepsis neutropénica en pacientes sometidos a quimioterapia

La neutropenia, una disminución de los neutrófilos (un tipo de glóbulo blanco crucial para combatir las infecciones), es un efecto secundario frecuente de ciertos tratamientos contra... Más

Inmunología

ver canal
Imagen: El método de prueba podría ayudar a algunos pacientes con cáncer a un tratamiento más efectivo (Fotografía cortesía de 123RF)

Método de prueba podría ayudar a más pacientes recibir tratamiento adecuado contra el cáncer

El tratamiento del cáncer no siempre es una solución única, pero el campo de la investigación del cáncer está dando grandes pasos para encontrar a los pacientes los tratamientos más eficaces para sus afecciones... Más

Microbiología

ver canal
Imagen: El análisis de sangre podría identificar a millones de personas que propagaron la TB sin saberlo (Fotografía cortesía de la Universidad de Southampton)

Análisis de sangre para tuberculosis podría detectar millones de propagadores silenciosos

La tuberculosis (TB) es la enfermedad infecciosa más mortal del mundo y se cobra más de un millón de vidas al año, según informa la Organización Mundial de la Salud.... Más

Tecnología

ver canal
Imagen: El sensor electroquímico detecta HPV-16 y HPV-18 con alta especificidad (Fotografía cortesía de 123RF)

Biosensor de ADN permite diagnóstico temprano del cáncer de cuello uterino

El disulfuro de molibdeno (MoS2), reconocido por su potencial para formar nanoláminas bidimensionales como el grafeno, es un material que llama cada vez más la atención de la comunidad... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.