Nuevo tipo de red neuronal de instancias múltiples para diagnosticar mejor el cáncer de ovario
Arquitectura de MAC-Net. Crédito: SIBET
Un grupo de científicos del Instituto de Ingeniería Biomédica y Tecnología de Suzhou (SIBET) de la Academia de Ciencias de China propuso un nuevo método con atención basada en modalidad y contextual (MAC)-Net para ayudar mejor a la diferenciación preoperatoria entre tumores epiteliales de ovario borderline (BEOT) y tumores epiteliales de ovario malignos (MEOT), dos tumores ginecológicos diferentes.
El uso innovador de MAC-Net, una red neuronal convolucional de múltiples instancias (MICNN) con atención basada en la modalidad (MA) y capa de agrupación MIL contextual (C-MPL), puede superar las deficiencias de la inteligencia médica multimodal existente basada en imágenes. métodos de diagnóstico.
El módulo MA puede aprender de los patrones de toma de decisiones de los médicos para percibir automáticamente la importancia de diferentes modalidades de resonancia magnética y lograr la fusión de características de resonancia magnética multimodal en función de su importancia, según el Dr. Jian Junming, uno de los científicos líderes de la investigación en SIBET.
El módulo C-MPL utiliza un sólido conocimiento previo de la distribución del tumor como referencia importante y evalúa la información contextual entre imágenes adyacentes, logrando así una predicción más precisa.
«El rendimiento de MAC-Net es superior, con un área bajo la curva característica operativa del receptor de 0,878, superando la de varios enfoques MICNN conocidos», dijo Gao Xin, quien dirigió el equipo de investigación.
Los MEOT son las neoplasias malignas ginecológicas más letales y representan el 90 % de los casos de cáncer de ovario. Por el contrario, los BEOT tienen un potencial maligno bajo y no tienen invasión del estroma. Los BEOT tienden a tener mejores pronósticos que los MEOT con una tasa de supervivencia a los 5 años del 92 % frente al 35 % de estos últimos.
Los pacientes con BEOT pueden someterse a un tratamiento conservador para preservar la fertilidad y la función ovárica, mientras que los pacientes con MEOT requieren una estadificación quirúrgica completa y quimioterapia adyuvante posterior.
Por lo tanto, la diferenciación preoperatoria precisa entre BEOT y MEOT es crucial para determinar las estrategias de tratamiento adecuadas y mejorar la calidad de vida posoperatoria.
En la actualidad, la diferenciación preoperatoria entre BEOT y MEOT la determinan principalmente los radiólogos mediante imágenes de resonancia magnética multiparamétrica.
«Este método depende en gran medida de la experiencia, es subjetivo, requiere mucho tiempo y tiene una precisión relativamente baja que oscila entre el 74 % y el 89 %», dijo Jian.
Con este método, se puede lograr un diagnóstico automático sin el límite preciso del tumor, pero solo con la determinación de la posición superior e inferior del tumor, haciéndolo así más inteligente.
MAC-Net exhibe una gran adaptabilidad a la imagen y a las enfermedades. MAC-Net no solo se puede utilizar para la fusión de MRI multiparamétrica, sino que también se puede extender a la fusión de imágenes multimodales (como CT, PET, etc.). No solo es adecuado para el cáncer de ovario, sino que también se puede utilizar en el diagnóstico automático de tumores sólidos como el cáncer de pulmón, cáncer de hígado, cáncer de intestino, cáncer de mama y cáncer de próstata.
Esta investigación fue financiada por la Fundación Nacional de Ciencias Naturales de China y otras instituciones, los resultados relacionados se publicaron en Inteligencia Artificial en Medicina.
Explore más
Una nueva red mejora la precisión de la predicción de metástasis en los ganglios linfáticos en pacientes con adenocarcinoma de pulmón T1 Más información: Junming Jian et al, Red neuronal convolucional de múltiples instancias con atención basada en la modalidad y capa de agrupación de aprendizaje contextual de múltiples instancias para la diferenciación efectiva entre tumores de ovario epiteliales malignos y borderline, Inteligencia artificial en medicina (2021). DOI: 10.1016/j.artmed.2021.102194 Proporcionado por la Academia de Ciencias de China Cita: Nuevo tipo de red neuronal de instancias múltiples para diagnosticar mejor el cáncer de ovario (2021, 9 de noviembre) recuperado el 29 de agosto de 2022 de https: //medicalxpress.com/news/2021-11-multi-instance-neural-network-ovarian-cancer.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.