Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico <\/p>\n
Un equipo que incluye a la Universidad de Cient\u00edficos m\u00e9dicos de Leeds. <\/p>\n
La inteligencia artificial (IA) puede analizar grandes cantidades de datos, como im\u00e1genes o resultados de ensayos, y puede identificar patrones a menudo imperceptibles para los humanos, lo que la hace muy valiosa para acelerar la detecci\u00f3n, el diagn\u00f3stico y el tratamiento de enfermedades.<\/p>\n
Sin embargo, el uso de la tecnolog\u00eda en entornos m\u00e9dicos es controvertido debido al riesgo de divulgaci\u00f3n accidental de datos y muchos sistemas son propiedad y est\u00e1n controlados por empresas privadas, lo que les da acceso a datos confidenciales de los pacientes y la responsabilidad de protegerlos.<\/p>\n
Los investigadores se propusieron descubrir si una forma de IA, llamada aprendizaje de enjambre, podr\u00eda usarse para ayudar a las computadoras a predecir el c\u00e1ncer en im\u00e1genes m\u00e9dicas de muestras de tejido de pacientes, sin revelar los datos de los hospitales.<\/p>\n
El aprendizaje de enjambre se entrena Algoritmos de IA para detectar patrones en los datos de un hospital o universidad local, como cambios gen\u00e9ticos en im\u00e1genes de tejido humano. El sistema de aprendizaje de enjambre luego env\u00eda este algoritmo reci\u00e9n entrenado, pero lo m\u00e1s importante, no hay datos locales ni informaci\u00f3n del paciente a una computadora central. All\u00ed se combina con algoritmos generados por otros hospitales de forma id\u00e9ntica para crear un algoritmo optimizado. Luego se env\u00eda de vuelta al hospital local, donde se vuelve a aplicar a los datos originales, lo que mejora la detecci\u00f3n de cambios gen\u00e9ticos gracias a sus capacidades de detecci\u00f3n m\u00e1s sensibles.<\/p>\n
Al realizar esto varias veces, se puede mejorar el algoritmo. y uno creado que funciona en todos los conjuntos de datos. Esto significa que la t\u00e9cnica se puede aplicar sin necesidad de que los datos se entreguen a empresas de terceros o se env\u00eden entre hospitales o a trav\u00e9s de fronteras internacionales.<\/p>\n
El equipo entren\u00f3 algoritmos de IA con datos de estudio de tres grupos de pacientes de Irlanda del Norte, Alemania y EE.UU. Los algoritmos se probaron en dos grandes conjuntos de im\u00e1genes de datos generadas en Leeds y se descubri\u00f3 que hab\u00edan aprendido con \u00e9xito c\u00f3mo predecir la presencia de diferentes subtipos de c\u00e1ncer en las im\u00e1genes.<\/p>\n
La investigaci\u00f3n fue dirigida por Jakob Nikolas Kather, Profesor Asociado Visitante en la Facultad de Medicina de la Universidad de Leeds e Investigador en el Hospital Universitario RWTH Aachen. El equipo inclu\u00eda a los profesores Heike Grabsch y Phil Quirke, y al Dr. Nick West de la Facultad de Medicina de la Universidad de Leeds.<\/p>\n
Dr. Kather dice que \u00abbas\u00e1ndonos en los datos de m\u00e1s de 5000 pacientes, pudimos demostrar que los modelos de IA entrenados con el aprendizaje de enjambre pueden predecir cambios gen\u00e9ticos cl\u00ednicamente relevantes directamente a partir de im\u00e1genes de tejido de tumores de colon\u00bb.<\/p>\n
Phil Quirke, Profesor de Patolog\u00eda en la Facultad de Medicina de la Universidad de Leeds, dice que \u00abhemos demostrado que el aprendizaje de enjambre se puede utilizar en medicina para entrenar algoritmos de IA independientes para cualquier tarea de an\u00e1lisis de im\u00e1genes. Esto significa que es posible superar la necesidad de transferencia de datos sin instituciones que tienen que renunciar al control seguro de sus datos\u00bb.<\/p>\n
\u00abLa creaci\u00f3n de un sistema de IA que pueda realizar esta tarea mejora nuestra capacidad para aplicar la IA en el futuro\u00bb.<\/p>\n
La investigaci\u00f3n fue publicada en Medicina de la Naturaleza. <\/p>\n
Explore m\u00e1s<\/p>\n
Nuevo algoritmo para la clasificaci\u00f3n de lesiones cut\u00e1neas M\u00e1s informaci\u00f3n:<\/strong> Jakob Nikolas Kather, Swarm learning para inteligencia artificial descentralizada en histopatolog\u00eda del c\u00e1ncer, Nature Medicine (2022). DOI: 10.1038\/s41591-022-01768-5. www.nature.com\/articles\/s41591-022-01768-5 Informaci\u00f3n de la revista:<\/strong> Nature Medicine <\/p>\n Proporcionado por la Universidad de Leeds Cita<\/strong>: Uso de IA para detectar el c\u00e1ncer de datos de pacientes de forma segura (25 de abril de 2022) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-04-ai-cancer-patient.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico Un equipo que incluye a la Universidad de Cient\u00edficos m\u00e9dicos de Leeds. La inteligencia artificial (IA) puede analizar grandes cantidades de datos, como im\u00e1genes o resultados de ensayos, y puede identificar patrones a menudo imperceptibles para los humanos, lo que la hace muy valiosa para acelerar la detecci\u00f3n, el diagn\u00f3stico y … Continuar leyendo \u00abUso de IA para detectar c\u00e1ncer a partir de datos de pacientes de forma segura\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-11732","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/11732","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=11732"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/11732\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=11732"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=11732"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=11732"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}