Inteligencia artificial mejora diagnóstico de cáncer de mama
Por el equipo editorial de LabMedica en español Actualizado el 05 Jan 2018 |
Un estudio que comparó la capacidad de los algoritmos de Inteligencia Artificial (AI) con la de patólogos expertos para la detección de cáncer de mama metastásico mediante el estudio de imágenes de láminas completas encontró que el aprendizaje automático era mejor que los patólogos. Los resultados del estudio publicado en la revista Journal of the American Medical Association, sugieren que los algoritmos de aprendizaje profundo tienen la capacidad de mejorar el diagnóstico y se podrían usar para ayudar a los médicos a detectar el cáncer en la clínica.
El estudio enfrentó a 11 patólogos con limitaciones de tiempo y a un patólogo sin restricciones de tiempo frente a siete algoritmos de aprendizaje profundo para analizar un conjunto de datos de entrenamiento de imágenes de láminas completas: 110 con y 160 sin metástasis ganglionares verificadas. De las 49 láminas para análisis con enfermedad metastásica, los patólogos encontraron 31 en promedio, mientras que el patólogo que pudo trabajar sin restricción de tiempo identificó correctamente 46 de 49 láminas con cáncer y 79 de 80 diapositivas sin cáncer.
Entre los siete algoritmos de aprendizaje profundo, el mejor algoritmo tuvo un desempeño significativamente mejor en la tarea de clasificación de imágenes de láminas completas, en comparación con los patólogos que trabajaron con limitaciones de tiempo. El desempeño medio de los cinco algoritmos principales fue comparable con el del patólogo único que pudo trabajar sin restricciones de tiempo. Sin embargo, a un promedio de 0,0125 falsos positivos por imagen de lámina normal completa, el desempeño del algoritmo de mejor rendimiento fue comparable con el del patólogo único que pudo trabajar sin restricción de tiempo.
La investigación fue dirigida por Babak Ehteshami Bejnordi del Centro Médico de la Universidad de Radboud de Nijmegen en los Países Bajos. Los investigadores concluyeron que, si bien los hallazgos sugerían la utilidad potencial de los algoritmos de aprendizaje profundo para el diagnóstico patológico, requería una evaluación adicional en un entorno clínico.
Últimas Industria noticias
- Congreso ECCMID cambia de nombre a ESCMID Global
- Siemens cerrará negocio de diagnóstico Fast Track
- Beckman Coulter y Fujirebio amplían su asociación para diagnóstico de enfermedades neurodegenerativas
- Sysmex e Hitachi colaboran en desarrollo de nuevos sistemas de pruebas genéticas
- Sysmex y CellaVision amplían su colaboración para avanzar en soluciones de hematología
- BD y Techcyte colaboran en un sistema de citología cervical digital basado en IA para pruebas de Papanicolaou
- Medlab Middle East 2024 abordará potencial transformador de la inteligencia artificial
- Seegene y Microsoft colaboran para lograr un mundo libre de todas las enfermedades y futuras pandemias
- Medlab Middle East 2024 resaltará importancia de la sostenibilidad en laboratorios
- Fujirebio y Agappe colaboran en un inmunoensayo basado en CLIA
- Medlab Middle East 2024 destacará innovación en medicina NextGen
- bioMérieux adquiere empresa de software LUMED para apoyar la lucha contra la resistencia a antimicrobianos
- Roche adquiere la tecnología de punto de atención de LumiraDx por 295 millones de dólares
- Bruker adquiere fabricante de DIV ELITech Group y empresa de imágenes celulares Phasefocus
- AMP publica guía de mejores prácticas para método de prueba de cortes en diagnóstico
- Euroimmun y Xpedite Diagnostics se asocian para ofrecer protocolos más rápidos y sencillos para extracción de ADN en POC