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
Octopus Group

Deascargar La Aplicación Móvil




Eventos

ATENCIÓN: Debido a la EPIDEMIA DE CORONAVIRUS, ciertos eventos están siendo reprogramados para una fecha posterior o cancelados por completo. Verifique con el organizador del evento o el sitio web antes de planificar cualquier evento próximo.

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  

Proveedor de oro
Specimen Collection & Transport
Specimen Collection & Transport Devices
New
UTI Culture Test
Uricult
New
Respiratory Syncytial Virus PCR Test
WizDx RSV CrystalMix PCR Kit
New
Rapid Saliva-Based Pregnancy Test
Salistick

Print article

Canales

Química Clínica

ver canal
Imagen: Al analizar la orina de los pacientes, es posible determinar su probabilidad de muerte (Fotografía cortesía de la Universidad de Liverpool)

Prueba de orina predice con precisión el final de la vida de los pacientes con cáncer de pulmón

El cáncer de pulmón continúa siendo la causa principal de muertes relacionadas con el cáncer tanto para hombres como para mujeres en todo el mundo. Esta enfermedad mortal puede... Más

Diagnóstico Molecular

ver canal
Imagen: Proteínas que brillan en azul o verde podrían hacer que el diagnóstico de enfermedades sea más rápido y más fácil (Fotografía cortesía de la Universidad Tecnológica de Eindhoven)

Proteínas que "brillan en la oscuridad" ayudan a diagnosticar enfermedades virales de forma más rápida y fácil

A pesar de los avances tecnológicos, la mayoría de las pruebas de diagnóstico para enfermedades virales que son altamente sensibles aún involucran técnicas complejas... Más

Inmunología

ver canal
Imagen: Una prueba genética podría guiar el uso de quimioterapia contra el cáncer (Fotografía cortesía de Pexels)

Prueba genética predice si pacientes con cáncer de colon pueden beneficiarse de quimioterapia

Los pacientes con cáncer de colon en etapa avanzada generalmente se someten a una serie de quimioterapias y medicamentos dirigidos para el tratamiento del cáncer. Sin embargo, las respuestas... Más

Microbiología

ver canal
Imagen: El muestreo de una sola materia fecal mediante múltiples paneles de PCR puede identificar más patógenos rápidamente (Fotografía cortesía de Pexels)

Paneles de PCR para infecciones gastrointestinales agudas pueden reducir costos, hospitalización y uso de antibióticos

La gastroenteritis aguda afecta a adultos de todos los grupos de edad e incurre en enormes gastos de atención médica. Ahora, un nuevo estudio que comprende 40.000 visitas al hospital en varias... Más

Tecnología

ver canal
Imagen: Vista en vivo de especímenes no fluorescentes utilizando el marco del glowscope (Fotografía cortesía de la Universidad Estatal de Winona)

Dispositivo convierte teléfono inteligente en microscopio de fluorescencia por solo 50 dólares

Los microscopios de fluorescencia se utilizan para examinar muestras marcadas con tinciones fluorescentes o que expresan proteínas fluorescentes, como las marcadas con proteína fluorescente verde.... Más

Industria

ver canal
Imagen: PerkinElmer ha completado la escisión de sus negocios de servicios empresariales, alimentos y aplicados (Fotografía cortesía de PerkinElmer)

PerkinElmer se transforma en una nueva empresa de diagnóstico y ciencias de la vida a la finalización de las escisiones comerciales

PerkinElmer, Inc. (Waltham, MA; EUA) ha completado con éxito la escisión previamente anunciada de sus negocios de servicios empresariales, alimentos y aplicados. El nuevo negocio resultante... Más
Copyright © 2000-2023 Globetech Media. All rights reserved.