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
Guangdong Fapon Biotech Co., Ltd.

Descargar La Aplicación Móvil




Red neuronal reconoce cáncer de mama en muestras histológicas con 100 % de precisión

Por el equipo editorial de LabMedica en español
Actualizado el 20 Feb 2024
Imagen: La red neuronal "atenta" reconoce el cáncer de mama con 96 % de precisión (Fotografía cortesía de la Universidad RUDN)
Imagen: La red neuronal "atenta" reconoce el cáncer de mama con 96 % de precisión (Fotografía cortesía de la Universidad RUDN)

La probabilidad de un resultado favorable para una paciente con cáncer de mama está muy influenciada por la etapa en la que se diagnostica el cáncer. El examen histológico es el punto de referencia para el diagnóstico, pero su confiabilidad puede verse afectada por interpretaciones subjetivas y la calidad de la muestra de tejido. Las imprecisiones en estos exámenes pueden conducir a diagnósticos incorrectos. Ahora, un equipo de matemáticos ha desarrollado un modelo de aprendizaje automático que mejora significativamente la precisión de la identificación del cáncer en imágenes histológicas. Lo más destacado de este modelo es la incorporación de un módulo adicional que aumenta la capacidad de "atención" de la red neuronal, permitiéndole alcanzar una precisión casi perfecta.

Los matemáticos de la Universidad RUDN (Moscú, Rusia) realizaron pruebas en varias redes neuronales convolucionales y las complementaron con dos módulos de atención convolucionales. Estos módulos son cruciales para detectar objetos dentro de las imágenes. El modelo se sometió a entrenamiento y pruebas utilizando el conjunto de datos BreakHis, que comprende casi 10.000 imágenes histológicas a varias escalas, procedentes de 82 pacientes. El rendimiento más impresionante provino de un modelo que combinó la red convolucional DenseNet211 con los módulos de atención, logrando una notable tasa de precisión del 99,6 %. El equipo de investigación observó que la detección de formaciones cancerosas se ve afectada por la escala de la imagen. Esto se debe a que las imágenes difieren en calidad en distintos niveles de zoom y las formaciones cancerosas aparecen de manera diferente. Por lo tanto, durante la aplicación práctica, seleccionar la escala adecuada para el análisis de imágenes debe ser una consideración crítica.

“La clasificación informática de las imágenes histológicas reducirá la carga de los médicos y aumentará la precisión de las pruebas. Estas tecnologías mejorarán el tratamiento y el diagnóstico del cáncer de mama. Los métodos de aprendizaje profundo han mostrado resultados prometedores en los problemas de análisis de imágenes médicas en los últimos años”, afirmó Ammar Muthanna, Ph.D., director del Centro Científico para el Modelado de Redes Inalámbricas 5G de la Universidad RUDN. “Los módulos de atención del modelo mejoraron la extracción de características y el desempeño general del modelo. Con su ayuda, el modelo se centró en áreas importantes de la imagen y resaltó la información necesaria. Muestra la importancia de los mecanismos de atención en el análisis de imágenes médicas”.

Enlaces relacionados:
Universidad RUDN

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
βeta-Hydroxybutyrate Reagent
β-Hydroxybutyrate LiquiColor®
Immunofluorescence Analyzer
IFA System
Miembro Oro
Aspiration System
VACUSAFE

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.