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

Deascargar La Aplicación Móvil




Herramienta de IA para análisis automático de tejido del cáncer colorrectal supera métodos anteriores

Por el equipo editorial de LabMedica en español
Actualizado el 02 Nov 2023
Imagen: Una nueva herramienta de IA supera los métodos anteriores en el análisis del cáncer colorrectal (Fotografía cortesía de 123RF)
Imagen: Una nueva herramienta de IA supera los métodos anteriores en el análisis del cáncer colorrectal (Fotografía cortesía de 123RF)

El cáncer colorrectal (CCR) es el tercer cáncer más prevalente y el segundo más letal. Detectarlo a tiempo y tratarlo rápidamente es extremadamente importante. Si bien las tecnologías de visión artificial han experimentado mejoras notables en la clasificación automática de tipos de cáncer, dependen en gran medida de redes neuronales profundas con millones de parámetros ajustados para tareas de diagnóstico y pronóstico. Aunque el aprendizaje profundo ha demostrado capacidades extraordinarias, los profesionales de la salud aún tienen que inspeccionar muestras de tejido biopsiadas para verificar el diagnóstico y evaluar el estadio del tumor. Para avanzar aún más en este campo, los científicos han introducido una solución de inteligencia artificial (IA) diseñada específicamente para el análisis automatizado de tejido de cáncer colorrectal que supera a las técnicas anteriores.

La refinada red neuronal desarrollada por investigadores de la Universidad de Jyväskylä (Jyväskylä, Finlandia) ha establecido nuevos puntos de referencia de rendimiento en el análisis de tejidos del cáncer colorrectal. El sistema basado en inteligencia artificial ofrece una forma más precisa y rápida de clasificar muestras de tejido de cáncer colorrectal a partir de portaobjetos de microscopio. Este avance podría aliviar significativamente la carga de trabajo de los histopatólogos, permitiendo así pronósticos y diagnósticos más rápidos y precisos. A pesar de los resultados prometedores, es importante ser cautelosos al incorporar la IA a la práctica médica.

A medida que las tecnologías de IA se acercan a convertirse en una parte estándar de los procedimientos clínicos, se vuelve cada vez más vital que pasen por una validación clínica rigurosa. Esto es para garantizar que los resultados que producen estén consistentemente en línea con las normas clínicas establecidas. En un movimiento que fomenta el desarrollo colaborativo, los investigadores están poniendo a disposición del público esta red neuronal entrenada. Su objetivo es acelerar el progreso en este campo permitiendo a científicos, investigadores y desarrolladores de todo el mundo perfeccionar aún más la herramienta y explorar sus diversas aplicaciones potenciales.

"Al garantizar el acceso universal, el objetivo es acelerar los avances en la investigación del cáncer colorrectal", afirmó Fabi Prezja, responsable del diseño del método.

Enlaces relacionados:
Universidad de Jyväskylä

Miembro Oro
ENSAYO INMUNOCROMATOGRÁFICO
CRYPTO Cassette
KIT DE PRUEBA POC PARA H.PYLORI
Hepy Urease Test
Miembro Plata
PLACAS PARA PCR
Diamond Shell PCR Plates
Autoimmune Liver Diseases Assay
Microblot-Array Liver Profile Kit

Canales

Inmunología

ver canal
Imagen: las células tumorales circulantes aisladas de muestras de sangre podrían ayudar a guiar las decisiones sobre inmunoterapia (fotografía cortesía de Shutterstock)

Análisis de sangre identifica pacientes con cáncer pulmonar beneficiarios de fármaco de inmunoterapia

El cáncer de pulmón de células pequeñas (CPCP) es una enfermedad agresiva con opciones de tratamiento limitadas, e incluso las inmunoterapias recientemente aprobadas no benefician... Más

Microbiología

ver canal
Imagen: la plataforma de diagnóstico de precisión dSHERLOCK permite la evaluación cuantitativa de infecciones por hongos en 20 minutos (fotografía cortesía del Instituto Wyss de la Universidad de Harvard)

Plataforma de IA permite detección rápida de patógenos de C. auris resistentes a fármacos

Las infecciones causadas por la levadura patógena Candida auris representan una amenaza significativa para los pacientes hospitalizados, en particular para aquellos con sistemas inmunitarios debilitados... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.