Tecnología de patología digital transforma el diagnóstico médico

Históricamente, los patólogos han enfrentado importantes desafíos para adquirir imágenes nítidas y enfocadas sin intervención manual. Dado que las imágenes de patología digital suelen ser miles de veces más grandes que las fotografías digitales normales, se consideró imposible automatizar la microscopía para el diagnóstico a partir de tejidos, sangre y otros tipos de muestras. Sin embargo, después de una década de investigación rigurosa por parte de un equipo de científicos, un avance transformador en el diagnóstico médico está listo para mejorar la velocidad y la precisión de los resultados de la patología.

La Universidad Tecnológica de Queensland (QUT, Brisbane, Australia) y Sullivan Nicolaides Pathology (SNP, Queensland, Australia) han sido pioneros en un sistema automatizado de escaneo y análisis de microscopio que se ha sometido a pruebas rigurosas y ahora está implementado y acreditado, listo para su utilización global. Se ha demostrado que el sistema mejora significativamente las pruebas en términos de rentabilidad, calidad y velocidad. La tecnología de patología digital de vanguardia es capaz de procesar miles de pruebas diariamente y ha recibido la acreditación de la Asociación Nacional de Autoridades de Pruebas (NATA).

Se ha demostrado que el sistema mejora la productividad de los patólogos y científicos en un factor de 10 o más. También ofrece el beneficio de poder buscar segundas opiniones a través de la telepatología y mejora significativamente el mantenimiento de registros y el acceso a los registros históricos, ya que no es necesario archivar los portaobjetos de vidrio durante años. El sistema está preparado para revolucionar varios aspectos de la atención médica y ya lo utilizan los laboratorios SNP para mejorar la velocidad y la precisión del diagnóstico.

“Nuestros científicos ahora usan una imagen digitalizada a menudo con IA asociada en lugar de estar atados a un microscopio durante muchas horas”, dijo el director ejecutivo de SNP, el Dr. Michael Harrison. “Este es el cambio más significativo en el desempeño de las pruebas morfológicas durante décadas”.

“Nuestro escáner activo sabe lo que está escaneando y dónde debe escanear, utilizando análisis de imágenes e inteligencia artificial”, agregó el profesor de IA de la UQ, Brian Lovell. “Esto aumenta considerablemente la calidad de la imagen y reduce el tamaño del archivo”.

Enlaces relacionados:
QUT
SNP