Herramienta de IA utiliza datos de imágenes para detectar enfermedades gastrointestinales menos frecuentes

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.

Visitar la expo >

Miembro Oro

CONTROL DE CALIDAD DE TROPONINA T

Troponin T Quality Control

Verification Panels for Assay Development & QC
Seroconversion Panels

New

Pipet Controller

Stripettor Pro

New

Hemoglobin/Haptoglobin Assay

IDK Hemoglobin/Haptoglobin Complex ELISA