Revolución en el diagnóstico de cáncer: ¡KI transforma la patología!

Revolución en el diagnóstico de cáncer: ¡KI transforma la patología!

Erlangen, Deutschland - como parte de un innovador proyecto de cooperación entre hospital universitario y el hospital de gravina en caltagirone, Italia es una integración de la inteligencia artificial (AI) de la inteligencia artificial (AI) del hospital clínico La patología.

La inteligencia artificial puede apoyar a los patólogos en la identificación del cáncer de manera más efectiva y evaluar muestras de tejidos. Sin embargo, el uso de IA está actualmente limitado en patología, ya que muchos procesos de análisis se llevan a cabo tradicionalmente en el microscopio. Para dominar estos desafíos, el Hospital Gravina digitaliza rutinariamente todos los recortes de tejido, lo que mejora significativamente la disponibilidad de datos digitales.

Integración de AI en el flujo de trabajo

Un elemento esencial del proyecto es el desarrollo de un procedimiento para la integración automática del análisis de IA en el flujo de trabajo del laboratorio patológico. Las muestras de tejido se procesan en cortes delgados y luego se digitalizan para que el diagnóstico se realice en el monitor de la computadora. Tan pronto como los nuevos escaneos entran en el Sistema de Información de Laboratorio (LIS), el análisis de IA se activa automáticamente. Los patólogos también pueden solicitar análisis de "bajo demanda", lo que mejora la flexibilidad y la eficiencia en el proceso de diagnóstico.

Los resultados del análisis AI se visualizan en forma de mapas de calor en el LIS para enfatizar las regiones similares al cáncer. El proyecto tiene como objetivo mejorar la precisión de los algoritmos y promover la integración de los modelos de aprendizaje profundo en otros departamentos de patología.

Innovaciones tecnológicas en el proceso de diagnóstico

Las innovaciones tecnológicas han acelerado significativamente el diagnóstico de cáncer, en particular a través de la digitalización del corte de histopatología y el uso del aprendizaje profundo. De acuerdo con un artículo sobre pmc.ncbi.nih.gov , la patología diagnóstica tradicional es larga y error, que, que, en visión del cáncer creciente y el estrés, crea una urgente para la acción.

Los modelos de aprendizaje profundo son adecuados para tareas clínicas que requieren alta reproducibilidad y baja tolerancia a fallas. Los desarrollos históricos en el área de aprendizaje profundo, desde las primeras redes neuronales hasta las redes neuronales convolucionales modernas (CNN), han mejorado significativamente la precisión diagnóstica. Por ejemplo, un modelo desarrollado para la evaluación de calificación en el cáncer de próstata logró una precisión de 0.7, mientras que los patólogos humanos solo podían registrar una precisión de 0.61

Además, las redes neuronales basadas en gráficos (GNN) ofrecen enfoques prometedores para mejorar tanto el rendimiento como la interpretabilidad en la patología digital. Estas redes modelan las relaciones entre los objetos y ya han logrado el éxito en el campo del diagnóstico de cáncer, incluso en la evaluación del cáncer colorrectal con una precisión del 97%.

El papel de Big Data y la IA en medicina

El cambio digital conduce a una explosión de los datos disponibles que se pueden usar de manera efectiva en la medicina. fraunhofer iks enfatiza que la inteligencia artificial puede analizar rápidamente las grandes cantidades de datos, lo que lidera un individuo de un solo diagnóstico. Este desarrollo está respaldado por la red de datos médicos y no médicos, lo que permite decisiones eficientes y racionales.