Globedia.com

×
×

Error de autenticación

Ha habido un problema a la hora de conectarse a la red social. Por favor intentalo de nuevo

Si el problema persiste, nos lo puedes decir AQUÍ

×
cross

Suscribete para recibir las noticias más relevantes

×
Recibir alertas

¿Quieres recibir una notificación por email cada vez que Managementsalud escriba una noticia?

Sistema nuevo de aprendizaje automático ayuda a los patólogos a diagnosticar el cáncer

15
- +
28/11/2019 02:37 0 Comentarios Lectura: ( palabras)

image Investigadores de la Universidad de Washington (Seattle, WA, EUA) y la Universidad de California (Los Ángeles, CA; EUA) desarrollaron un sistema de inteligencia artificial (IA) que podría ayudar a los patólogos a leer biopsias con mayor exactitud y conducir a una mejor detección y diagnóstico del cáncer de mama. El nuevo algoritmo puede interpretar imágenes de biopsias de tejido mamario para diagnosticar el cáncer de mama con la misma exactitud o incluso mejor, que un patólogo experimentado, dependiendo de la tarea. En 2015, un estudio de la facultad de medicina de la Universidad de Washington descubrió que los patólogos a menudo no estaban de acuerdo con la interpretación de las biopsias de mama, que se realizan en millones de mujeres cada año. El estudio reveló que se produjeron errores de diagnóstico en aproximadamente una de cada seis mujeres que tenían un tipo no invasivo de cáncer de mama llamado "carcinoma ductal in situ". Además, se dieron diagnósticos incorrectos en aproximadamente la mitad de los casos de biopsia con células anormales que se asocian con un mayor riesgo de cáncer de mama, una afección llamada atipia de mama. Los investigadores razonaron que la IA podría proporcionar lecturas más exactas consistentemente, ya que utiliza un gran conjunto de datos que hace posible que el sistema de aprendizaje automático reconozca patrones asociados con el cáncer que son difíciles de ver para los médicos. Después de estudiar las estrategias utilizadas por los patólogos durante las interpretaciones de biopsias de seno, el equipo desarrolló métodos de análisis de imágenes para abordar estos desafíos. Los investigadores introdujeron 240 imágenes de biopsias de seno en una computadora, entrenándola para reconocer patrones asociados con varios tipos de lesiones de mama, que van desde lesiones no cancerosas y atipias hasta carcinoma ductal in situ y cáncer de seno invasivo. Los diagnósticos correctos se determinaron por consenso entre tres patólogos expertos. Luego, los investigadores probaron el sistema comparando sus lecturas con diagnósticos independientes realizados por 87 patólogos estadounidenses en ejercicio que interpretaron los mismos casos. El algoritmo estuvo cerca de funcionar tan bien como los médicos humanos para diferenciar el cáncer del no cáncer. Sin embargo, el algoritmo superó a los médicos en diferenciar el carcinoma ductal in situ de la atipia, diagnosticando correctamente las biopsias de cáncer de mama preinvasivas aproximadamente el 89% de las veces, en comparación con el 70% para los patólogos. Los investigadores ya comenzaron a trabajar en la capacitación del sistema para diagnosticar el cáncer de piel. "Estos resultados son muy alentadores", dijo la coautora del estudio, la Dra. Joann Elmore, profesora de medicina de la facultad de medicina David Geffen de la UCLA, que anteriormente era profesora de medicina interna en la facultad de medicina de la Universidad de Washington. "Hay poca exactitud entre los patólogos practicantes en los Estados Unidos cuando se trata del diagnóstico de atipias y carcinomas ductales in situ y el método automatizado basado en computadora es muy prometedor". Enlace relacionado: · Universidad de Washington · Universidad de California Fuente: Por el equipo editorial de HospiMedica en español


Sobre esta noticia

Autor:
Managementsalud (1801 noticias)
Fuente:
managementensalud.blogspot.com
Visitas:
314
Tipo:
Reportaje
Licencia:
Distribución gratuita
¿Problemas con esta noticia?
×
Denunciar esta noticia por

Denunciar

Comentarios

Aún no hay comentarios en esta noticia.