Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

El sistema del AI podía ayudar mejor a descubrir y a diagnosticar el cáncer de pecho

Los investigadores del UCLA han desarrollado un sistema de inteligencia artificial que podría ayudar a patólogos a leer biopsias más exacto y mejor a descubrir y a diagnosticar el cáncer de pecho.

El nuevo sistema, descrito en un estudio que sea publicado en la red del JAMA abierta, las ayudas interpreta las imágenes médicas usadas para diagnosticar el cáncer de pecho que puede ser difícil para que el aro humano clasifique, y hace tan casi tan exacto o mejora como patólogos experimentados.

Es crítico conseguir una diagnosis correcta desde el principio de modo que poder conducir a pacientes a los tratamientos más efectivos.”

El Dr. Joann Elmore, el autor mayor y profesor de medicina, Facultad de Medicina de David Geffen, UCLA del estudio

Un estudio 2015 llevado por Elmore encontró que los patólogos discrepan a menudo sobre la interpretación de las biopsias del pecho, que se realizan en millones de mujeres cada año. Eso investigación anterior reveló que los desvíos diagnósticos ocurrieron en cerca de uno fuera de cada seis mujeres que tenían in situ de carcinoma ductal (un tipo no invasor de cáncer de pecho), y que las diagnosis incorrectas fueron dadas por la mitad alrededor de los casos de la biopsia del atypia del pecho (las células anormales que se asocian a un riesgo más alto para el cáncer de pecho).

Las “imágenes médicas de las biopsias del pecho contienen muchos datos complejos y la interpretación de ellos puede ser muy subjetiva,” dijo a Elmore, que es también investigador en el centro completo del cáncer del UCLA Jonsson. La “distinción de atypia del pecho de in situ de carcinoma ductal es importante clínico pero muy desafiadora para los patólogos. A veces, los doctores ni siquiera están de acuerdo con su diagnosis anterior cuando les muestran a mismo caso al año más adelante.”

Los científicos razonaron que la inteligencia artificial podría ofrecer lecturas más exactas constantemente porque extrayendo de un conjunto de datos grande, el sistema puede reconocer configuraciones en las muestras que se asocian al cáncer pero es difícil para que los seres humanos consideren.

Las personas introdujeron 240 imágenes de la biopsia del pecho en una computador, entrenándole para reconocer las configuraciones asociadas a varios tipos de lesiones del pecho, colocando de benigno (noncancerous) y atypia a in situ de carcinoma ductal, o DCIS, y cáncer de pecho invasor. Por separado, las diagnosis correctas para cada imagen fueron determinadas por un consenso entre tres patólogos expertos.

Para probar el sistema, los investigadores compararon sus lecturas a las diagnosis independientes hechas por 87 patólogos practicantes de los E.E.U.U. Mientras que el programa de la inteligencia artificial vino cerca de la ejecución así como de doctores humanos en el distinción del cáncer de casos del no-cáncer, el programa del AI superó a doctores al distinguir DCIS del atypia -; consideraba el reto más grande de la diagnosis del cáncer de pecho. El sistema determinó correctamente si las exploraciones mostraron DCIS o atypia más a menudo que los doctores; tenía una sensibilidad entre 0,88 y 0,89, mientras que la sensibilidad media de los patólogos era 0,70. (Una muesca más alta de la sensibilidad de A indica una mayor probabilidad que una diagnosis y una clasificación esté correctas.)

“Estos resultados son muy encouraging,” Elmore dijo. “Hay exactitud inferior entre patólogos practicantes en los E.E.U.U. cuando se trata de la diagnosis del atypia y de in situ de carcinoma ductal, y la aproximación automatizada computarizada muestra gran promesa.”

Los investigadores ahora están trabajando en el entrenamiento del sistema para diagnosticar el melanoma.