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
Solución de IA podría predecir el riesgo de cáncer de pulmón

Investigadores de Mass General Brigham y del MIT desarrollaron Sybil una herramienta que logró predecir con precisión el riesgo de cáncer en personas con y sin antecedentes de tabaquismo.

El cáncer de pulmón, una de las principales causas de muertes en Estados Unidos y el mundo, tiene un método de detección muy preciso en las tomografías computarizadas de pecho. Este tipo de tomografías se recomienda en personas de 50 a 80 años con un historial de tabaquismo, lo que podría reducir la mortalidad por esta enfermedad hasta en 24%.

Mass General Brigham y el MIT, desarrollaron un modelo de Inteligencia Artificial (IA), llamado Sybil, que analiza escaneos de tomografías computarizadas para predecir el riesgo de cáncer en personas con o sin antecedentes de tabaquismo.

“Las tasas de cáncer de pulmón continúan aumentando entre las personas que nunca han fumado o que no han fumado en años, lo que sugiere que hay muchos factores de riesgo que contribuyen al riesgo de cáncer de pulmón, algunos de los cuales se desconocen actualmente”, explicó Lecia Sequist autora del estudio, abordando la problemática del cáncer de pulmón.

En este sentido, Sequist explica que en lugar de evaluar factores de riesgo ambientales o genéticos individuales, Sybil utiliza imágenes de tomografías computarizadas para observar la biología colectiva y realizar predicciones precisas sobre el riesgo de cáncer.

Sybil solamente requiere una imagen y no necesita datos clínicos ni anotaciones de radiólogos, según explica otro de los autores el estudio Florian Fintelmann. “Fue diseñado para ejecutarse en tiempo real en el fondo de una estación de lectura de radiología estándar que permite el soporte de decisiones clínicas en el punto de atención”, explica.

Los resultados del estudio fueron publicados en Journal of Clinical Oncology:

https://ascopubs.org/doi/full/10.1200/JCO.22.01345

Últimos tweets

Eventos más importantes en Salud Digital

2023 febrero

Semana 1

lun 30
mar 31
mié 1
jue 2
vie 3
sáb 4
dom 5
lun 6
mar 7
mié 8
jue 9
vie 10
sáb 11
dom 12
lun 13
mar 14
mié 15
jue 16
vie 17
sáb 18
dom 19
lun 20
mar 21
mié 22
jue 23
vie 24
sáb 25
dom 26
lun 27
mar 28
mié 1
jue 2
vie 3
sáb 4
dom 5
  • Sin Eventos

  • Sin Eventos

  • Sin Eventos

  • Sin Eventos

  • Sin Eventos

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
error: Este contenido esta protegido...