{"id":44705,"date":"2024-04-17T09:26:00","date_gmt":"2024-04-17T15:26:00","guid":{"rendered":"https:\/\/saluddigital.com\/?p=44705"},"modified":"2025-10-18T21:50:42","modified_gmt":"2025-10-19T03:50:42","slug":"google-presenta-diagnostico-asistido-por-ia-para-la-deteccion-de-cancer-de-pulmon","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/google-presenta-diagnostico-asistido-por-ia-para-la-deteccion-de-cancer-de-pulmon\/","title":{"rendered":"Google presenta diagn\u00f3stico asistido por IA para la detecci\u00f3n de c\u00e1ncer de pulm\u00f3n"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Google present\u00f3 una interfaz centrada en el usuario, que ayuda a los radi\u00f3logos a aprovechar modelos de machine learning para la detecci\u00f3n de c\u00e1ncer de pulm\u00f3n.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El c\u00e1ncer de pulm\u00f3n es la principal causa de muerte relacionada con c\u00e1ncer a nivel global, con cerca de 2 millones de muertes reportadas cada a\u00f1o. El diagn\u00f3stico tard\u00edo es uno de los factores que impide la supervivencia de quienes lo padecen. Por ello, est\u00e1 demostrado que la detecci\u00f3n del c\u00e1ncer de pulm\u00f3n utilizando tomograf\u00edas computarizadas (TC), reduce la mortalidad en poblaciones de alto riesgo en al menos un 20% al detectar signos potenciales de c\u00e1ncer antes de su desarrollo.<\/p>

Google ha conducido m\u00faltiples investigaciones acerca del tema y ha utilizado modelos de machine learning para la detecci\u00f3n del c\u00e1ncer de pulm\u00f3n, lo que ha favorecido la evaluaci\u00f3n de los mismos. De esta manera se ha generado evidencia sobre su capacidad de detectar y clasificar autom\u00e1ticamente regiones que muestran signos de c\u00e1ncer.<\/p>

Recientemente publicaron un estudio<\/span><\/a> at Radiology<\/i> sobre el uso de inteligencia artificial (IA) en la detecci\u00f3n de c\u00e1ncer de pulm\u00f3n en Estados Unidos y Jap\u00f3n. Este art\u00edculo analiza los hallazgos de un estudio que eval\u00faa el impacto de un asistente de IA en la detecci\u00f3n de c\u00e1ncer de pulm\u00f3n (LCS, en ingl\u00e9s) en un contexto multinacional.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El estudio utiliz\u00f3 estudios retrospectivos aleatorizados de m\u00faltiples lectores y m\u00faltiples casos, que involucraban radi\u00f3logos tor\u00e1cicos experimentados de ambos pa\u00edses. Examinaron 627 casos de tomograf\u00eda computarizada de t\u00f3rax de baja dosis, incluyendo casos positivos (c\u00e1ncer confirmado) y negativos (sin diagn\u00f3stico de c\u00e1ncer en al menos dos a\u00f1os). Los radi\u00f3logos leyeron cada caso dos veces, una vez con asistencia de IA y otra sin ella.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los resultados mostraron que el rendimiento diagn\u00f3stico de los radi\u00f3logos, medido por el \u00e1rea bajo la curva caracter\u00edstica de operaci\u00f3n del receptor (AUC, en ingl\u00e9s), mejor\u00f3 con la asistencia de IA. Espec\u00edficamente, el AUC aument\u00f3 en 0.023 para ambos estudios en Estados Unidos y Jap\u00f3n. Adem\u00e1s, la especificidad para hallazgos accionables aument\u00f3 significativamente con la asistencia de IA en ambos pa\u00edses.<\/p>

Sin embargo, no hubo una diferencia significativa en la sensibilidad entre las lecturas sin asistencia de IA y con asistencia de IA. El sistema de IA independiente tambi\u00e9n mostr\u00f3 un buen rendimiento en t\u00e9rminos de AUC.<\/p>

El estudio concluye que la interfaz de IA mejor\u00f3 la especificidad de LCS en estudios de lectores basados en Estados Unidos y Jap\u00f3n, lo que sugiere su utilidad potencial en entornos de detecci\u00f3n internacionales. Se recomienda realizar m\u00e1s investigaciones para explorar su efectividad en otros entornos.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

GOOGLE RESEARCH<\/b><\/p>

https:\/\/research.google\/blog\/computer-aided-diagnosis-for-lung-cancer-screening\/<\/a><\/span><\/p>

RADIOLOGY<\/b><\/p>

https:\/\/pubs.rsna.org\/doi\/10.1148\/ryai.230079<\/a><\/span><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Google present\u00f3 una interfaz centrada en el usuario, que ayuda a los radi\u00f3logos a aprovechar modelos de machine learning para la detecci\u00f3n de c\u00e1ncer de pulm\u00f3n. El c\u00e1ncer de pulm\u00f3n es la principal causa de muerte relacionada con c\u00e1ncer a nivel global, con cerca de 2 millones de muertes reportadas cada a\u00f1o. El diagn\u00f3stico tard\u00edo es uno de los factores que impide la supervivencia de quienes lo padecen. Por ello, est\u00e1 demostrado que la detecci\u00f3n del c\u00e1ncer de pulm\u00f3n utilizando tomograf\u00edas computarizadas (TC), reduce la mortalidad en poblaciones de alto riesgo en al menos un 20% al detectar signos potenciales de c\u00e1ncer antes de su desarrollo. Google ha conducido m\u00faltiples investigaciones acerca del tema y ha utilizado modelos de machine learning para la detecci\u00f3n del c\u00e1ncer de pulm\u00f3n, lo que ha favorecido la evaluaci\u00f3n de los mismos. De esta manera se ha generado evidencia sobre su capacidad de detectar y clasificar autom\u00e1ticamente regiones que muestran signos de c\u00e1ncer. Recientemente publicaron un estudio en Radiology sobre el uso de inteligencia artificial (IA) en la detecci\u00f3n de c\u00e1ncer de pulm\u00f3n en Estados Unidos y Jap\u00f3n. Este art\u00edculo analiza los hallazgos de un estudio que eval\u00faa el impacto de un asistente de IA en la detecci\u00f3n de c\u00e1ncer de pulm\u00f3n (LCS, en ingl\u00e9s) en un contexto multinacional. El estudio utiliz\u00f3 estudios retrospectivos aleatorizados de m\u00faltiples lectores y m\u00faltiples casos, que involucraban radi\u00f3logos tor\u00e1cicos experimentados de ambos pa\u00edses. Examinaron 627 casos de tomograf\u00eda computarizada de t\u00f3rax de baja dosis, incluyendo casos positivos (c\u00e1ncer confirmado) y negativos (sin diagn\u00f3stico de c\u00e1ncer en al menos dos a\u00f1os). Los radi\u00f3logos leyeron cada caso dos veces, una vez con asistencia de IA y otra sin ella. Los resultados mostraron que el rendimiento diagn\u00f3stico de los radi\u00f3logos, medido por el \u00e1rea bajo la curva caracter\u00edstica de operaci\u00f3n del receptor (AUC, en ingl\u00e9s), mejor\u00f3 con la asistencia de IA. Espec\u00edficamente, el AUC aument\u00f3 en 0.023 para ambos estudios en Estados Unidos y Jap\u00f3n. Adem\u00e1s, la especificidad para hallazgos accionables aument\u00f3 significativamente con la asistencia de IA en ambos pa\u00edses. Sin embargo, no hubo una diferencia significativa en la sensibilidad entre las lecturas sin asistencia de IA y con asistencia de IA. El sistema de IA independiente tambi\u00e9n mostr\u00f3 un buen rendimiento en t\u00e9rminos de AUC. El estudio concluye que la interfaz de IA mejor\u00f3 la especificidad de LCS en estudios de lectores basados en Estados Unidos y Jap\u00f3n, lo que sugiere su utilidad potencial en entornos de detecci\u00f3n internacionales. Se recomienda realizar m\u00e1s investigaciones para explorar su efectividad en otros entornos. BIBLIOGRAF\u00cdA GOOGLE RESEARCH https:\/\/research.google\/blog\/computer-aided-diagnosis-for-lung-cancer-screening\/ RADIOLOGY https:\/\/pubs.rsna.org\/doi\/10.1148\/ryai.230079<\/p>","protected":false},"author":1,"featured_media":44706,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-44705","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/44705","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=44705"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/44705\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/44706"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=44705"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=44705"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=44705"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}