Filtrar por tipo de entrada
Seleccionar todo
Noticias
Páginas
Eventos
Filtrar por categorías
Seleccionar todo
AI ANALITICA
Apps móviles e Internet de las Cosas
Avance de la ciencia
Big data
Comunidades conectadas
Coronavirus
Cursos y capacitaciones
DIAGNOSTICO
Editorial inicial
Editoriales
El mundo en la nube
Eventos
Infografías
Inteligencia Artificial y Ciencia
IoTApps
Noticias
Plataformas digitales
Redes sociales
Reseña de publicaciones científicas
Resumen de Cursos
Sinopsis de ensayo
Sinopsis de Marcos de Referencia
Sinopsis de publicaciones recientes
Uso de Plataformas Digitales
Filtrar por tipo de entrada
Seleccionar todo
Noticias
Páginas
Eventos
Filtrar por categorías
Seleccionar todo
AI ANALITICA
Apps móviles e Internet de las Cosas
Avance de la ciencia
Big data
Comunidades conectadas
Coronavirus
Cursos y capacitaciones
DIAGNOSTICO
Editorial inicial
Editoriales
El mundo en la nube
Eventos
Infografías
Inteligencia Artificial y Ciencia
IoTApps
Noticias
Plataformas digitales
Redes sociales
Reseña de publicaciones científicas
Resumen de Cursos
Sinopsis de ensayo
Sinopsis de Marcos de Referencia
Sinopsis de publicaciones recientes
Uso de Plataformas Digitales
Investigadores crean algoritmo para analizar lesiones potenciales en mamografías

Investigadores de la Duke University, crearon una plataforma de Inteligencia Artificial (IA), que sería capaz de detectar y analizar lesiones en imágenes de mamografías. Su objetivo es ser un apoyo de valor en la toma de decisiones de los profesionales.

Los investigadores de la Duke University en Durham, Carolina del Norte, plantean que esta plataforma puede determinar si las pacientes requieren biopsias en caso de que las lesiones detectadas sean potencialmente cancerígenas. El algoritmo de IA fue entrenado con 1,136 imágenes tomadas de 484 pacientes en el Sistema de Salud de la Universidad.

El equipo de la universidad mencionada, entrenó el algoritmo de la plataforma para detectar y evaluar lesiones como si se tratara de un verdadero radiólogo. A diferencia de otros algoritmos que son entrenados de manera libre en sus procedimientos.

“Si una computadora va a ayudar a tomar decisiones médicas importantes, los médicos deben confiar en que la IA está basando sus conclusiones en algo que tiene sentido. Necesitamos algoritmos que no solo funcionen, sino que se expliquen por sí mismos y muestren ejemplos de en qué están basando sus conclusiones. De esa manera, ya sea que un médico esté de acuerdo con el resultado o no, la IA está ayudando a tomar mejores decisiones”, explicó Joseph Lo, profesor de radiología en Duke.

En el comunicado de prensa de la Duke University, explicaron que los algoritmos que leen imágenes médicas representan una gran industria, ya que la Administración de Alimentos y Medicamentos (FDA), ha aprobado más de 100 para su uso clínico. No obstante, existe un gran margen de mejora especialmente para utilizar conjuntos de datos de validación más extensos, sobre todo cuando se trata de imágenes médicas, o bien incluir información demográfica.

“Nuestra idea era, en cambio, construir un sistema para decir que esta parte específica de una posible lesión cancerosa se parece mucho a esta otra que he visto antes”, dijo Alina Barnett, doctorante en informática en Duke y primera autora del estudio.

En este sentido el sistema de IA, propuesto por la universidad, no busca reemplazar la experiencia del especialista, sino ser un apoyo para que los profesionales tengan mayor información para la toma de decisiones.

El estudio de la Duke University fue publicado en la revista Nature Machine Intelligence en diciembre de 2021: https://www.nature.com/articles/s42256-021-00423-x

Noticias destacadas

Noticias por país

Comparte el contenido

Salud Digital en el mundo

  • — Science Brief: Omicron (B.1.1.529) Variant/ actualizaciones CDC
    Ver más
  • — Coronavirus resource center / Johns Hopkins
    Ver más
  • — Rastreo epidemiológico de contactos COVID-19 / Curso Johns Hopkins
    Ver más
  • — Comportamiento infección SARS-CoV-2 / Calculadora FCS
    Ver más
  • — Omicron SARS-CoV-2 variant: a new chapter in the COVID-19 pandemic/ Artículo The Lancet
    Ver más
  • — Genomic Epidemiology Tracker / GISAID
    Ver más
  • — Consorcio Mexicano de Vigilancia Genómica
    Ver más
Secured By miniOrange