Añadir a mis favoritos
Ver traducción automática
Esta es una traducción automática. Para ver el texto original en inglés
haga clic aquí
#Novedades de la industria
{{{sourceTextContent.title}}}
Los órganos de los puntos de aprendizaje profundo en los escáneres por TC para prevenir el daño por radiación
{{{sourceTextContent.subTitle}}}
La radioterapia es un método bien establecido para atacar tumores dentro del cuerpo.
{{{sourceTextContent.description}}}
Existen varias técnicas que se utilizan para administrar radiación a una lesión, pero todas ellas conllevan el riesgo de lesionar tejidos y órganos cercanos. Los rayos gamma y otros dispositivos de alta energía dirigidos resultan en la exposición de todos los tejidos que están en el camino hacia y al otro lado de un objetivo, lo cual es un problema serio. Saber dónde están los órganos importantes en pacientes individuales puede permitir a los médicos preparar tratamientos de radioterapia para que ocurra el menor daño colateral posible. Las tomografías computarizadas se utilizan generalmente para mapear la anatomía interna. Actualmente, este es un trabajo para los radioncólogos y es bastante difícil rastrear adecuadamente los órganos relevantes y proporcionar una vía de tratamiento que minimice el daño.
Un equipo de investigadores de la Universidad de California Irvine, Shanghai Jiao Tong University School of Medicine en China, y DeepVoxel, una compañía con sede en Costa Mesa, California, ha revelado ahora un sistema que toma una tomografía computarizada como una entrada y automáticamente proporciona un esquema de todos los órganos importantes dentro de ella. La tecnología debería ayudar a acelerar la planificación de la radioterapia, mejorar la confianza clínica y, con suerte, reducir el daño a los órganos internos.
El nuevo sistema se basa en métodos de aprendizaje profundo para procesar un análisis en cuestión de segundos, algo que normalmente tarda más de media hora en realizarse manualmente. "En un conjunto de datos de 100 tomografías computarizadas, nuestro método de aprendizaje profundo logró un coeficiente de similitud promedio de más de 78 por ciento, una mejora significativa sobre los análisis realizados por los radioncólogos", dijo Xiaohui Xie, uno de los coautores del estudio que aparece en la revista Nature Machine Intelligence.
El sistema funciona con datos de una variedad de fabricantes, incluyendo TC de bajo contraste, y no requiere computadoras particularmente potentes para hacer su trabajo. Como tal, debería ser fácil extenderlo a los centros de radioterapia y familiarizar a los médicos con su uso.