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.

LabMedica

Deascargar La Aplicación Móvil
Noticias Recientes Expo COVID-19 Química Clínica Diagnóstico Molecular Hematología Inmunología Microbiología Patología Tecnología Industria Focus

Nuevo algoritmo de IA para uso en ocho tipos de cáncer entrenado en siete modelos de escáner

Por el equipo editorial de LabMedica en español
Actualizado el 10 Oct 2023

Un nuevo algoritmo de inteligencia artificial (IA) para su uso en uno de los entornos capacitados más amplios ya está disponible para trabajos comerciales o de investigación.

Gestalt Diagnostics (Spokane, WA, EUA) ha lanzado el algoritmo Mitotic Counting que ha sido entrenado en más de 100.000 mitosis individuales y en siete modelos de escáner. El algoritmo funciona de manera impresionante con una puntuación F1 de 0,74, igualando el desempeño de los mejores métodos en el campo. El algoritmo está actualmente disponible en Gestalt AI Studio para su uso en una variedad de cánceres, incluidos tumores cutáneos de mastocitos, cáncer de mama, linfoma, cáncer de pulmón, melanoma, neuroendocrino, cáncer de colon y carcinoma de vejiga. El algoritmo ha sido entrenado en varios modelos de escáner, incluidos los de Hamamatsu, Leica, 3D Histech y Aperio.


Imagen: El algoritmo Mitotic Counting fue entrenado en más de 100.000 mitosis individual y en siete modelos de escáner (Fotografía cortesía de Gestalt Diagnostics)
Imagen: El algoritmo Mitotic Counting fue entrenado en más de 100.000 mitosis individual y en siete modelos de escáner (Fotografía cortesía de Gestalt Diagnostics)

La clave para la amplia aplicabilidad de los algoritmos de aprendizaje profundo es su capacidad para adaptarse a nuevos escáneres y diferentes tipos de tejido; un conjunto de datos amplio es crucial para lograr este objetivo. El conjunto de datos de Gestalt Diagnostics comprende siete tipos de tejidos que abarcan ocho tumores y está digitalizado con siete modelos de escáner diferentes. Además, Gestalt Diagnostics también ofrece PathFlow, una solución de flujo de trabajo inteligente y personalizable que ofrece interoperabilidad genuina para una eficiencia óptima. Esta solución admite portaobjetos digitales y de vidrio y permite reglas personalizadas que se pueden configurar para satisfacer necesidades y requisitos específicos.

"¿Qué significa esto para nuestros clientes? Confianza", dijo Lisa-Jean Clifford, directora de operaciones y directora de estrategia de Gestalt. "Gestalt se centra en aportar soluciones que proporcionen una base de confianza en el uso a medida que esta industria continúa evolucionando, innovando e incorporando productos destinados a mejorar la vida diaria de un patólogo o científico".

"Estamos muy orgullosos del enfoque integral que adoptamos para el desarrollo de la IA como organización", añadió Brian Napora, vicepresidente de Soluciones de IA, Gestalt. "Nuestra posición no es solo mirar el desarrollo y el entrenamiento con un pequeño subconjunto de imágenes o en uno o dos escáneres, eso no resultaría tan efectivo o preciso como creemos que nuestros clientes y la industria requieren. Por lo tanto, entrenamos en decenas de miles de imágenes, células tumorales o, en este caso, mitosis y múltiples modelos de escáner en varios proveedores de escáneres para garantizar las opciones más precisas y clínicamente utilizables para nuestros clientes".

Enlaces relacionados:
Gestalt Diagnostics


Miembro Oro
Troponin T QC
Troponin T Quality Control
Antipsychotic TDM Assays
Saladax Antipsychotic Assays
New
Vitamin B12 Test
CHORUS CLIA VIT B12
New
Centrifuge
Centrifuge 5430/ 5430 R

Últimas Patología noticias

Tecnología de código de barras diagnostica el cáncer con mayor precisión

Mapeo de células de placa aterosclerótica predice riesgo de accidente cerebrovascular o ataque cardíaco

Análisis de células inmunes mediante IA predice pronóstico del cáncer de mama