Enfoque Radiologico: La inteligencia artificial se desempeña tan bien como los radiólogos experimentados en la detección del cáncer de próstata Investigadores de la Universidad de California en Los Ángeles (UCLA) han desarrollado un nuevo sistema de inteligencia artificial (AI) para ayudar a los radiólogos a mejorar su capacidad para diagnosticar el cáncer de próstata. El sistema, llamado FocalNet, ayuda a identificar y predecir la agresividad de la enfermedad mediante la evaluación de las imágenes de resonancia magnética (IRM), y lo hace con casi el mismo nivel de precisión que los radiólogos experimentados. En las pruebas, FocalNet tenía una precisión del 80,5 por ciento en la lectura de resonancias magnéticas, mientras que los radiólogos con al menos 10 años de experiencia tenían una precisión del 83,9 por ciento. Los radiólogos usan la RM para detectar y evaluar la agresividad de los tumores malignos de próstata. Sin embargo, normalmente se requiere practicar miles de exploraciones para saber cómo determinar con precisión si un tumor es canceroso o benigno, y para estimar con precisión el grado del cáncer. Además, muchos hospitales no cuentan con los recursos para implementar la capacitación altamente especializada que se requiere para detectar el cáncer de las IRM. FocalNet es una red neuronal artificial que utiliza un algoritmo que comprende más de un millón de variables entrenables; Fue desarrollado por los investigadores de la UCLA. El equipo entrenó al sistema haciéndole analizar las imágenes por resonancia magnética de 417 hombres con cáncer de próstata; Las exploraciones se introdujeron en el sistema para que pudiera aprender a evaluar y clasificar los tumores de manera coherente y comparar los resultados con la muestra de patología real. Los investigadores compararon los resultados del sistema de inteligencia artificial con las lecturas de los radiólogos de UCLA que tenían más de 10 años de experiencia. La investigación sugiere que un sistema de inteligencia artificial podría ahorrar tiempo y potencialmente proporcionar orientación de diagnóstico a los radiólogos menos experimentados. Los autores principales del estudio son Kyung Sung, profesor asistente de radiología en la Escuela de Medicina David Geffen de UCLA; Steven Raman, M.D., profesor clínico de radiología de UCLA y miembro del Centro de Cáncer Integral Jonsson de UCLA; y Dieter Enzmann, M.D., presidente de radiología en UCLA. El autor principal es Ruiming Cao, un estudiante graduado de UCLA. Otros autores son Amirhossein Bajgiran, Sohrab Mirak, Sepideh Shakeri y Xinran Zhong, todos de la UCLA. La investigación se publicó en IEEE Transactions on Medical Imaging, 1 y se presentó en el Simposio Internacional IEEE sobre Imágenes Biomédicas (ISBI), del 8 al 11 de abril en Venecia, Italia, donde fue seleccionada como la segunda candidata al mejor artículo. Fuente: ITN For more information: www.ieeexplore.ieee.org