El aprendizaje automático ha mejorado drásticamente en los últimos años y ha demostrado ser muy prometedor en el campo del análisis de imágenes médicas. Un equipo de especialistas en investigación del Centro de Cáncer Norris Cotton de Dartmouth ha utilizado capacidades de aprendizaje automático para ayudar con la difícil tarea de clasificar patrones y subtipos de tumoresdel adenocarcinoma de pulmón, la forma más común de la principal causa de muertes relacionadas con el cáncer en todo el mundo.
Actualmente, el adenocarcinoma de pulmón requiere el examen visual del patólogo de los portaobjetos de lobectomía para determinar los patrones y subtipos de tumores. Esta clasificación tiene un papel importante en el pronóstico y la determinación del tratamiento para el cáncer de pulmón, sin embargo, es una tarea difícil y subjetiva. El uso de avances recientes enAprendizaje automático, el equipo, dirigido por Saeed Hassanpour, PhD, desarrolló una red neuronal profunda para clasificar diferentes tipos de adenocarcinoma de pulmón en diapositivas de histopatología, y descubrió que el modelo funcionaba a la par de tres patólogos practicantes.
"Nuestro estudio demuestra que el aprendizaje automático puede lograr un alto rendimiento en una tarea de clasificación de imágenes desafiante y tiene el potencial de ser un activo para el manejo del cáncer de pulmón", dice Hassanpour. "La implementación clínica de nuestro sistema podría ayudar a los patólogos a obtener precisiónclasificación de los subtipos de cáncer de pulmón, que es fundamental para el pronóstico y el tratamiento ".
Las conclusiones del equipo, "Clasificación a nivel de patólogo de patrones histológicos en portaobjetos de adenocarcinoma de pulmón resecado con redes neuronales profundas" se publicaron recientemente en Informes científicos . Reconociendo que el enfoque es potencialmente aplicable a otras tareas de análisis de imágenes de histopatología, el equipo de Hassanpour hizo público su código para promover nuevas investigaciones y colaboraciones en este dominio.
Además de probar el modelo de aprendizaje profundo en un entorno clínico para validar su capacidad de mejorar la clasificación del cáncer de pulmón, el equipo planea aplicar el método a otras tareas desafiantes de análisis de imágenes de histopatología en cáncer de mama, esofágico y colorrectal ". Si se validaa través de ensayos clínicos, nuestro modelo de red neuronal puede implementarse potencialmente en la práctica clínica para ayudar a los patólogos ", dice Hassanpour." Nuestro método de aprendizaje automático también es rápido y puede procesar un portaobjetos en menos de un minuto, por lo que podría ayudar a clasificar a los pacientes antes del examenpor parte de los médicos y potencialmente ayudar mucho a los patólogos en el examen visual de las diapositivas "
Fuente de la historia :
Materiales proporcionados por Centro médico Dartmouth-Hitchcock . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :