via Enfoque Radiologico https://ift.tt/2Lg3R9K
Enfoque Radiológico es un blog sobre temas en tecnologia medica en radiología
martes, 27 de agosto de 2019
Polidactilia La polidactilia (del griego poly, «muchos» y daktylos, «dedo») es un trastorno genético donde un humano nace con más dedos en la mano o en el pie de los que le corresponde (normalmente un dedo más). Se detecta en el momento del nacimiento. A estos dedos se les llama “dedos extra” o “dedos supernumerarios”. . . . . . #EnfoqueRadiologico #Radiologia
domingo, 25 de agosto de 2019
martes, 20 de agosto de 2019
Synaptive Medical lanza plan Modus con segmentación de tractografía automatizada Tractografía automatizada de todo el cerebro y paquetes de interés específicos del paciente para ayudar a los neurocirujanos durante el tratamiento. Synaptive Medical anunció el lanzamiento en EE. UU. Y la disponibilidad del Plan Modus con BrightMatter AutoSeg. Esta versión proporciona la capacidad adicional de segmentación de tractografía automatizada en paquetes de interés específicos del paciente. Modus Plan, anteriormente conocido como BrightMatter Plan, complementará el conjunto de tecnologías quirúrgicas totalmente integradas de Synaptive, incluido su microscopio controlado por robot, Modus V. Históricamente, a los cirujanos les ha llevado mucho tiempo generar manualmente la tractografía, lo que ha sido una de las limitaciones para la adopción generalizada de esta útil información específica del paciente. La neuroanatomía de cada paciente consiste en patrones únicos de materia blanca que indican áreas clave del cerebro que controlan la función. El software Modna Plan de Synaptive genera automáticamente una tractografía dinámica de todo el cerebro. Esta nueva capacidad va un paso más allá al segmentar visualmente estos tractos en paquetes específicos del paciente, proporcionando así a los cirujanos información valiosa sobre áreas del cerebro durante los procedimientos quirúrgicos. Synaptive desarrolló Modus Plan y su función BrightMatter AutoSeg teniendo en cuenta a los neurocirujanos. La tecnología guiada por imágenes es un componente crítico de la práctica moderna de neurocirugía, especialmente cuando se trata de lesiones profundas, ya que los enfoques anatómicos estándar pueden no tener en cuenta los tractos críticos de materia blanca. La tractografía segmentada automáticamente se puede importar a sistemas guiados por imágenes, incluida la Guía BrightMatter de Synaptive y sistemas de terceros. Con este uso preoperatorio e intraoperatorio, la segmentación automatizada es fundamental para la planificación quirúrgica, la toma de decisiones durante la cirugía y, en última instancia, para mejorar los resultados del paciente. La función de segmentación de la tractografía está destinada a incorporarse a los sistemas hospitalarios, sujeto a autorizaciones regulatorias, en múltiples mercados que ya utilizan el conjunto totalmente integrado de soluciones neurológicas de Synaptive. Fuente:ITN
via Enfoque Radiologico https://ift.tt/2ZgoKuD
domingo, 18 de agosto de 2019
La inteligencia artificial podría producir diagnósticos de cáncer de mama más precisos El sistema desarrollado en UCLA puede interpretar imágenes difíciles de clasificar para los médicos Los investigadores de la Universidad de California en Los Ángeles (UCLA) han desarrollado un sistema de inteligencia artificial (IA) que podría ayudar a los patólogos a leer biopsias con mayor precisión y a detectar y diagnosticar mejor el cáncer de seno. El nuevo sistema, descrito en un estudio que se publicará en JAMA Network Open, ayuda a interpretar las imágenes médicas utilizadas para diagnosticar el cáncer de seno que pueden ser difíciles de clasificar para el ojo humano, y lo hace de manera tan precisa o mejor que los patólogos experimentados. 1 "Es fundamental obtener un diagnóstico correcto desde el principio para que podamos guiar a los pacientes a los tratamientos más efectivos", dijo Joann Elmore, MD, MPH, autora principal del estudio y profesora de medicina en la Escuela de Medicina David Geffen de UCLA Un estudio de 2015 dirigido por Elmore encontró que los patólogos a menudo no están de acuerdo con la interpretación de las biopsias de seno, que se realizan en millones de mujeres cada año.2 Esa investigación anterior reveló que se produjeron errores de diagnóstico en aproximadamente una de cada seis mujeres que tenían carcinoma ductal en in situ (un tipo no invasivo de cáncer de mama), y que se dieron diagnósticos incorrectos en aproximadamente la mitad de los casos de biopsia de atipia mamaria (células anormales que están asociadas con un mayor riesgo de cáncer de mama). "Las imágenes médicas de biopsias de seno contienen una gran cantidad de datos complejos y su interpretación puede ser muy subjetiva", dijo Elmore, quien también es investigador en el Centro Integral de Cáncer Jonsson de la UCLA. “Distinguir la atipia mamaria del carcinoma ductal in situ es clínicamente importante pero muy desafiante para los patólogos. A veces, los médicos ni siquiera están de acuerdo con su diagnóstico anterior cuando se les muestra el mismo caso un año después ". Los científicos razonaron que la inteligencia artificial podría proporcionar lecturas más precisas consistentemente porque al extraer de un gran conjunto de datos, el sistema puede reconocer patrones en las muestras que están asociados con el cáncer pero que son difíciles de ver para los humanos. El equipo introdujo 240 imágenes de biopsia de seno en una computadora, entrenándola para reconocer patrones asociados con varios tipos de lesiones de seno, que van desde benignas (no cancerosas) y atípicas hasta carcinoma ductal in situ (DCIS) y cáncer de seno invasivo. Por separado, los diagnósticos correctos para cada imagen se determinaron por consenso entre tres patólogos expertos. Para probar el sistema, los investigadores compararon sus lecturas con diagnósticos independientes realizados por 87 patólogos estadounidenses en ejercicio. Si bien el programa de inteligencia artificial estuvo cerca de desempeñarse tan bien como los médicos humanos para diferenciar los casos de cáncer de los no cancerosos, el programa de IA superó a los médicos al diferenciar el DCIS de la atipia, considerado el mayor desafío en el diagnóstico de cáncer de seno. El sistema determinó correctamente si los escáneres mostraban DCIS o atipia con más frecuencia que los médicos; tuvo una sensibilidad entre 0,88 y 0,89, mientras que la sensibilidad promedio de los patólogos fue de 0,70. (Una puntuación de sensibilidad más alta indica una mayor probabilidad de que el diagnóstico y la clasificación sean correctos). "Estos resultados son muy alentadores", dijo Elmore. "Hay poca precisión entre los patólogos practicantes en los EE. UU. Cuando se trata del diagnóstico de atipia y carcinoma ductal in situ, y el enfoque automatizado basado en computadora es muy prometedor". Los investigadores ahora están trabajando en la capacitación del sistema para diagnosticar el melanoma. Fuente: ITN
via Enfoque Radiologico https://ift.tt/2Nkz26m
viernes, 16 de agosto de 2019
Herramienta CompCyst desarrollada para identificar quistes precancerosos Investigadores del Johns Hopkins Kimmel Cancer Center han desarrollado una nueva herramienta computacional y biomolecular, denominada CompCyst, que puede identificar quistes pancreáticos precancerosos. La tecnología proporciona un nuevo método para identificar de manera confiable los quistes que causan cáncer de aquellos que no causan cáncer. Los equipos de trabajo demuestran que en más de la mitad de los pacientes que se someten a la extirpación de quistes, los procedimientos son innecesarios porque es poco probable que los quistes causen cáncer. Esto resulta en gastos médicos adicionales y riesgos para los pacientes sin mejorar la tasa de eliminación de quistes cancerosos. Los quistes pancreáticos son comunes y ocurren en 800,000 estadounidenses cada año. Solo una pequeña fracción de esos quistes progresará a cáncer, pero es difícil identificar si un quiste dado será canceroso, debido a las limitaciones de las pruebas clínicas y de imágenes actuales. Esto significa que a casi todas las personas diagnosticadas con un quiste se les realiza un seguimiento a largo plazo y muchas pueden someterse a la extirpación quirúrgica del quiste, lo que causa gastos y cargas adicionales en el sistema de atención médica y aumenta el riesgo de mortalidad del paciente. Para abordar este problema, los investigadores desarrollaron CompCyst. CompCyst es un esquema de clasificación, basado en Boolean Set Logic, que utiliza información de pruebas moleculares y datos de imágenes para identificar si un quiste pancreático puede provocar cáncer. Los datos producidos por el sistema se compararon con la histopatología, el estándar de oro para identificar quistes pancreáticos y un método invasivo que no se usa regularmente en la práctica clínica. En este estudio, los investigadores evaluaron la información molecular de más de 800 quistes pancreáticos diferentes, junto con datos clínicos y de imágenes en un algoritmo conocido como MOCA: Organización multivariada de alteraciones combinatorias. Demostraron que CompCyst funcionó mejor que los médicos al clasificar si los quistes eran cancerosos. “Creemos que CompCyst tiene la capacidad de reducir sustancialmente las cirugías innecesarias para quistes pancreáticos. En los próximos cinco años, esperamos usar CompCyst en muchos más pacientes con quistes en un esfuerzo por guiar el tratamiento quirúrgico, para determinar cuándo se necesita cirugía y cuándo no, y evaluar qué tan bien se realiza la prueba ", dice Bert Vogelstein. , Profesor Clayton de Oncología, codirector del Centro Ludwig en el Centro de Cáncer Kimmel Johns Hopkins e investigador del Instituto Médico Howard Hughes. El trabajo demuestra que las pruebas menos invasivas, junto con un esquema de clasificación mejorado, pueden tener un poder predictivo sustancial para su uso en la práctica clínica. Fuente: Medgadget
via Enfoque Radiologico https://ift.tt/2Z3ti3i
miércoles, 14 de agosto de 2019
domingo, 11 de agosto de 2019
sábado, 10 de agosto de 2019
miércoles, 7 de agosto de 2019
martes, 6 de agosto de 2019
Samsung lanza la plataforma de radiografía digital iQuia. Samsung presenta una nueva plataforma de radiografía digital diseñada para mejorar la calidad de la imagen y uso clínico. La plataforma iQuia presenta el nuevo iQuia Detector, que está disponible en dos tamaños (14 "x 17" (S4335-AW) y 17 "x 17" (S4343-AW)) y se ofrecerá en el iQuia GC85A basado en el techo y sistemas de radiografía digital portátil iQuia GM85. El detector iQuia puede manejar una gran cantidad de peso del paciente (hasta 880 lb, 400 kg), trabajar con cargas puntuales pesadas (440 lb, 200 kg) y resistir grandes presiones de flexión. Cuenta con resistencia al agua y al polvo IP54, y puede detectar choques que pueden mejorarse utilizando el sistema de calibración automática de defectos. Fuente: Medgadget
via Enfoque Radiologico https://ift.tt/2yE3tfw
lunes, 5 de agosto de 2019
sábado, 3 de agosto de 2019
Suscribirse a:
Entradas (Atom)