Los investigadores desarrollan IA para ayudar a detectar el cáncer de mama lobulillar difícil de detectar
Nuevo¡Puedes escuchar los artículos de Fox News ahora!
Intelecto artificial La atención del cáncer está dejando su huella en el futuro.
Una de las nuevas aplicaciones de la tecnología es identificar las situaciones difíciles de actuar. Cáncer de mama.
Los investigadores del centro oncológico de la Universidad Estatal de Ohio, el Arthur G James Cancer Hospital y el Richard J. Salv Research Institute, están utilizando IA en el formato inicial. Cualquier paciente puede predecir el desarrollo de cáncer de mama lobulillar.
¿Qué es el cáncer de mama lobulillar?
Cáncer de mama El cáncer más común entre las mujeres y la segunda causa de muerte por cáncer en el país.
Los datos muestran que el cáncer de mama lobulillar, que es agresivo y difícil de detectar, representa entre el 10% y el 15% de los cánceres de mama en los Estados Unidos.
Así es como el cáncer de mama lobbler puede estar presente en la mamografía. MD, Arya Roy menciona la nube de imágenes, que le pedirá que recomiende una exploración adicional. (Universidad Estatal de Ohio)
En lugar de una abrazadera de células formadoras de tumores, las células cancerosas crecen en una larga disciplina, por lo que aparecen como “espesor fino” en las mamografías. Según la OSU, esto significa que puede ser difícil de identificar hasta que se propague a otras partes del cuerpo.
Esta forma de la enfermedad también corre el riesgo de reaparecer 10 años después de que el paciente esté libre de cáncer.
“Necesitamos urgentemente una mejor herramienta… que pueda predecir si los pacientes realmente tienen un alto riesgo”.
Además, alrededor del 40% de Mujer mayor de 40 años Según la Sociedad de Imágenes Mamarias, mantener el tejido mamario denso, lo que puede crear un mayor riesgo de detectar desafíos y desarrollar cáncer de mama.
Aunque el cáncer lobbler agresivo se propaga individualmente para el tratamiento que el carcinoma de mama más comúnmente agresivo y reacciona, los oncólogos siguen las mismas pautas para ambas enfermedades, experto en cáncer de mama de Osukisisi.
Haga clic aquí para obtener la aplicación Fox News
“Las pruebas genómicas que utilizamos actualmente dan a menudo resultados vagos o opuestos para el cáncer lobulillar, lo que hace más difícil para los oncólogos decidir el mejor tratamiento”, dijo en un comunicado de prensa. “Necesitamos urgentemente una herramienta mejor, específica para el cáncer lobulillar, que pueda predecir si los pacientes tienen realmente un alto riesgo”.
Cáncer
Re-mencionó lo difícil que es detectar el cáncer de mama lobulillar con Roy Imaging.
“Al mismo tiempo, es muy difícil identificar a los pacientes que corren riesgo de repetición después del tratamiento”, dijo a Fox News Digital. “Así que aquí estamos usando donde Inteligencia artificial Se trata de volver a identificar a los pacientes que tienen riesgo de padecer cáncer. “
Las exploraciones mamarias han demostrado que la doctora Arya Roy está investigando un tipo de cáncer que a menudo pasa desapercibido en los exámenes de detección habituales. Ella está utilizando datos de casos reales de cáncer de mama lobulillar para el entrenamiento de inteligencia artificial con el fin de mejorar la detección inicial. (Universidad Estatal de Ohio)
Al combinar modelos de inteligencia artificial con imágenes de patología digitales, los médicos pueden detectar biomedidores y otros indicadores en pacientes con cáncer de alto riesgo. Junto con los datos clínicos de los pacientes, estas búsquedas se utilizan para crear un sistema de puntuación que predice la posibilidad de repetición del cáncer en la próxima década, afirman los investigadores.
El equipo de IA está actualmente en desarrollo. Ensayos clínicos Y un estudio significativo en el horizonte.
Haga clic aquí para suscribirse a nuestro boletín de salud
“Esperamos que una vez que desarrollemos completamente este equipo de inteligencia artificial, que ayudará a identificar a los pacientes con nuestro riesgo de repetición, podamos usarlo para todas las pacientes con cáncer de mama lobulillar”, dijo Roy.
“Si sabemos que es probable que un paciente tenga un aumento del 10% de este cáncer en cinco años, podemos mantener a ese paciente Detener la vigilancia“” “
Los investigadores del estudio alientan a las mujeres a discutir con sus médicos si el exceso de imágenes es adecuado para ellas. (En stock)
Los oncólogos pueden utilizar otros Imágenes Para confirmar que no se pasa por alto ningún cáncer en estos pacientes de alto riesgo, añade el veredicto, señalando que este nuevo método impulsado por la IA “puede dar esperanza a muchos pacientes”.
El oncólogo anima a las mujeres a negociar con sus médicos si las imágenes adicionales son adecuadas para ellas.
Restricción potencial
El Dr. Harvey Castro no participó en la investigación de OSU, pero Fox comentó en Fox News Digital.
Compruébalo tú mismo con nuestro último cuestionario sobre estilo de vida
“El estudio Lobular del estado de Ohio ha identificado avances importantes en el uso del cáncer de mama, es un subtipo notoriamente sólido, pero también resalta los caminos en los que la IA aún no coincide con la complejidad del mundo real”, dijo.
Uno de los mayores problemas es entrenar la IA con datos antiguos, menciona el médico. “La medicina se desarrolla rápidamente y los algoritmos construidos a partir de imágenes de ayer pueden pasar por alto los patrones de hoy, lo que yo llamo Deriva Temporal” “
“Antes de que estas herramientas se ocupen de la rutina, debemos asegurarnos de que hayan sido probadas en poblaciones diferentes del mundo real”.
Castro advirtió que muchos sistemas “funcionan maravillosamente” en un laboratorio, pero pueden fallar en nuevos hospitales o pruebas. PacienteEl
“Los pezones densos siguieron siendo el talón de Aquiles de la IA”, mencionó. “La misma concentración de los radiólogos oculta al radiólogo también puede distraer a los algoritmos, especialmente a los grupos racistas y de edad”.
Haga clic aquí para más historias de salud
Según Castro, la IA no sustituirá a los radiólogos, sino que definirá cómo trabajan.
“Sin embargo, antes de que estas herramientas entren cuidado de rutinaDebemos asegurarnos de que hayan sido probados no solo con datos perfectos de laboratorio, sino también en diversas poblaciones del mundo real. “
