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 hp
Ingresar
Publique su anuncio con nosotros
LGC Clinical Diagnostics

Deascargar 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 Oro
HISOPOS DE FIBRA FLOCADA
Puritan® Patented HydraFlock®
CONTROLADOR DE PIPETA SEROLÓGICAPIPETBOY GENIUS
New
Multilevel Whole Blood Calibrator Set
6PLUS1
New
Enterovirus Test
Quanty Enterovirus System

Canales

Diagnóstico Molecular

ver canal
Imagen: una familia de moléculas podría ayudar a diagnosticar y tratar el cáncer de mama (foto cortesía de Shutterstock)

Biomarcadores moleculares abren camino a nuevas pruebas para diagnosticar y predecir cáncer de mama

A pesar de desempeñar funciones esenciales en el desarrollo tisular y la protección inmunitaria, la contribución de los proteoglicanos al cáncer sigue siendo poco conocida.... Más

Inmunología

ver canal
Imagen: la inmunidad de células T podría ser un marcador para el tratamiento temprano del Parkinson (foto cortesía de Shutterstock)

Células T en la sangre pueden detectar Parkinson años antes del diagnóstico

Diagnosticar la enfermedad de Parkinson antes de la aparición de síntomas motores sigue siendo uno de los mayores retos de la neurología. Los pacientes pueden pasar años, incluso... Más

Microbiología

ver canal
Imagen: pruebas Lodestar UTI  para seis patógenos que juntos, causan alrededor del 85 % de todas las ITU (foto cortesía de Llusern Scientific)

Sistema portátil de análisis molecular POC descarta infecciones urinarias en 35 minutos

Las infecciones del tracto urinario (ITU) representan una carga enorme para los pacientes y los sistemas de salud. Cada año se producen más de 400 millones de casos de ITU en todo el mundo,... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.