El cáncer de tiroides ahora se diagnostica con imágenes fotoacústicas / ecográficas de IA

El cáncer de tiroides ahora se diagnostica con imágenes fotoacústicas / ecográficas impulsadas por el aprendizaje automático

Una hinchazón en la glándula tiroides se llama imperfección tiroidea, así como el 5-10% de todas las imperfecciones tiroideas se diagnostican como cáncer de tiroides El cáncer de tiroides tiene un diagnóstico excelente, un alto precio de supervivencia y un precio reducido de reaparición, por lo que es muy temprano el diagnóstico médico y la terapia son vitales. Recientemente, un grupo de estudio conjunto en Corea recomendó un nuevo enfoque no invasivo para identificar las imperfecciones tiroideas del cáncer mediante la integración de la innovación de imágenes fotoacústicas () y de ultrasonido con un sistema experto.

El grupo de estudio conjunto, compuesto por el profesor Chulhong Kim y el Dr. Byullee Park del Departamento de Ingeniería Eléctrica de POSTECH, el Departamento de Ingeniería de Convergencia de TI y el Departamento de Ingeniería Mecánica, el profesor Dong-Jun Lim y el profesor Jeonghoon Ha de Seoul St Mary's El Hospital de la Universidad Católica de Corea, así como el profesor Jeesu Kim de la Universidad Nacional de Pusan, realizaron un estudio de investigación para obtener fotos de personas con imperfecciones mortales y benignas y las examinaron con un sistema experto. En reconocimiento de su importancia, las búsquedas de esta investigación fueron publicadas en Investigación sobre el cáncer.

Actualmente, el diagnóstico médico de una imperfección tiroidea se realiza mediante una biopsia ambición con aguja fina (FNAB) utilizando una imagen de ultrasonido. Pero aproximadamente el 20% de las PAAF no son fiables, lo que da lugar a biopsias repetidas e innecesarias.

Para superar este problema, el grupo de estudio conjunto descubrió el uso de imágenes para adquirir una señal ultrasónica creada por la luz. Cuando se irradia luz (láser) sobre la mancha tiroidea del individuo, se crea una señal de ultrasonido llamada señal a partir de la glándula tiroides y de la mancha. Al obtener y refinar esta señal, se recopilan fotos tanto de la glándula como de la mancha. En este momento, si se reciben señales multiespectrales, se pueden determinar los detalles de saturación de oxígeno de la glándula tiroides y la imperfección de la tiroides.

Los científicos se concentraron en la realidad de que la saturación de oxígeno de las imperfecciones mortales es menor que la de las imperfecciones típicas, y obtuvieron fotos de personas con imperfecciones tiroideas mortales (23 personas) y de personas con imperfecciones benignas (29 personas). Al realizar imágenes multiespectrales in vivo en las imperfecciones tiroideas del individuo, los científicos determinaron varias especificaciones, que consisten en el grado de saturación de oxígeno de la hemoglobina en la ubicación del nódulo. Esto se examinó utilizando estrategias de inteligencia artificial para categorizar de manera efectiva e inmediata si la imperfección de la tiroides era mortal o benigna. En la primera categoría, el nivel de sensibilidad para categorizar el odio como mortal fue del 78% y la singularidad para categorizar benigno como benigno fue del 93%.

Los resultados de la evaluación obtenidos por las estrategias de inteligencia artificial en la segunda evaluación se incorporaron con los resultados de la primera evaluación basados ​​en fotografías de ultrasonido que se utilizan normalmente en los centros de salud. Nuevamente, se verificó que las imperfecciones letales de la tiroides podrían identificarse con un nivel de sensibilidad del 2% y una singularidad del 83%.

Yendo aún más a la acción, cuando los científicos mantuvieron el nivel de sensibilidad al 100% en la 3ª evaluación, la singularidad llegó al 55%. Esto tuvo que ver con 3 veces más que la singularidad del 17.3% (nivel de sensibilidad del 98%) de la primera evaluación de las imperfecciones tiroideas utilizando el ultrasonido estándar.

Como resultado, la probabilidad de identificar adecuadamente las imperfecciones benignas y no malignas aumentó más de 3 veces, lo que revela que el sobrediagnóstico, así como las biopsias innecesarias y los exámenes duplicados pueden reducirse sustancialmente y, en consecuencia, minimizar demasiado los precios clínicos.

"Este estudio es significativo porque es el primero en adquirir imágenes fotoacústicas de nódulos tiroideos y clasificar los nódulos malignos mediante el aprendizaje automático", dijo el profesor Chulhong Kim de POSTECH. "Además de minimizar las biopsias innecesarias en pacientes con cáncer de tiroides, esta técnica también se puede aplicar a una variedad de otros cánceres, incluido el cáncer de mama".

“El dispositivo ultrasónico basado en imágenes fotoacústicas será útil para diagnosticar eficazmente el cáncer de tiroides que se encuentra comúnmente durante los chequeos médicos y para reducir el número de biopsias”, describió el profesor Dong-Jun Lim del Hospital St Mary de Seúl. "Puede convertirse en un dispositivo médico que se puede utilizar fácilmente en pacientes con nódulos tiroideos".

Nos gustaría informarle sobre otro proyecto muy interesante que ayuda a ganar dinero en el mundo moderno: señales comerciales sobre el próxima bomba de criptomonedas en Binance intercambio del canal secreto de Telegram de los inversores. Mire en YouTube sobre señales de bomba criptográfica y club VIP de comerciantes.