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 automatizado basado en ayudas del AI elimina el cáncer en mujeres con los pechos densos

Un sistema automatizado que inteligencia artificial de las aplicaciones (AI) puede tamizar rápidamente y exacto a través del pecho MRIs en mujeres con los pechos densos para eliminar ésos sin cáncer, liberando encima de radiólogos para centrarse en casos más complejos, según un estudio publicado en radiología.

La mamografía ha ayudado a reducir muertes del cáncer de pecho ofreciendo la detección temprana cuando el cáncer es el más tratable. Sin embargo, es menos sensible en mujeres con los pechos extremadamente densos que en mujeres con los pechos grasos. Además, las mujeres con los pechos extremadamente densos tienen tres a un riesgo más alto de los seis-tiempos de desarrollar el cáncer de pecho que mujeres con los pechos casi totalmente grasos y a un doble riesgo más alto que la mujer media.

La investigación suplemental en mujeres con los pechos extremadamente densos aumenta la sensibilidad de la detección del cáncer. La investigación del tejido denso y de la juicio (DENSA) temprana de la investigación del neoplasma del pecho, un estudio grande basado en los Países Bajos, soportó el uso de la investigación suplemental con MRI.

La juicio DENSA mostró que la investigación adicional de MRI para las mujeres con los pechos extremadamente densos era beneficiosa. Por otra parte, la juicio DENSA confirmó que la gran mayoría de mujeres revisadas no tiene ningunas conclusión sospechosas en MRI.”

Erik Verburg, M.Sc., autor importante del estudio, ciencias instituto, centro médico Utrecht de la imagen de la universidad en los Países Bajos

Desde la mayoría de la variación anatómica de la demostración de MRIs y fisiológica normal que pueda no requerir revista radiológica, las maneras a la clasificación esta MRIs normal para reducir carga de trabajo del radiólogo son necesarias.

En el primer estudio de su clase, Verburg y los colegas se establecieron para determinar la viabilidad de un método triaging automatizado basado en profundamente el aprendizaje, un tipo sofisticado de AI. Utilizaron datos del pecho MRI de la juicio DENSA para desarrollar y para entrenar al modelo de aprendizaje profundo para distinguir entre los pechos con y sin lesiones. El modelo fue entrenado en datos a partir de siete hospitales y probado en datos de un octavo hospital.

Más de 4.500 grupos de datos de MRI de pechos extremadamente densos eran incluidos. De los 9.162 pechos, 838 tenían por lo menos una lesión, cuyo 77 eran malos, y 8.324 no tenían ninguna lesión.

El modelo de aprendizaje profundo consideraba 90,7% del MRIs con las lesiones ser no-normales y triaged las a la revista radiológica. Despidió el cerca de 40% del MRIs lesión-libre sin la falta de ningunos cánceres.

“Mostramos que es posible utilizar con seguridad la inteligencia artificial de despedir la investigación de pecho MRIs sin la falta de ninguna enfermedad mala,” a Verburg dijimos. “Los resultados eran mejores que preveídos. El cuarenta por ciento es un buen comienzo. Sin embargo, todavía tenemos 60% a perfeccionar.”

El sistema triaging AI-basado tiene el potencial de reducir importante carga de trabajo del radiólogo, Verburg dijo. En los Países Bajos solamente, casi 82.000 mujeres pueden ser elegibles para la investigación de pecho bienal de MRI basada en densidad del pecho.

“La aproximación se puede primero utilizar para ayudar a radiólogos para reducir tiempo total de la lectura,” Verburg dijo. “Por lo tanto, más tiempo podía estar disponible para centrarse en los exámenes realmente complejos del pecho MRI.”

Los investigadores proyectan validar el modelo en otros grupos de datos y desplegarlo en cartuchos subsiguientes de la investigación de la juicio DENSA.

Source:
Journal reference:

Verburg, E., et al. (2021) Deep Learning for Automated Triaging of 4581 breast MRI Examinations from the DENSE Trial. Radiology. doi.org/10.1148/radiol.2021203960.