radiología en la prensa: Los beneficios de aplicar Big Data y Deep Learning en la detección del cáncer de mama

Estándar

Los beneficios de aplicar Big Data y Deep Learning en la detección del cáncer de mama

Gracias a aplicar big data y deep learning en el software de terminales de diagnóstico médico, Samsung afirma poder evitar muchas biopsias y ofrecer a los profesionales datos mucho más precisos sobre el cáncer de mama.

Es común hablar de big data y deep learning explicando que ya forman parte de nuestro presente más cercano, pero luego ofreciendo ejemplos algo alejados de la vida cotidiana. Sin embargo, según cuentan en Samsung Medison, la división de tecnología médica de Samsung Electronics, ya están aplicando ambos en dispositivos de exploración mediante ultrasonidos, con el objetivo de detectar cáncer de mama, que, como sabemos, es de los más comunes entre la población mundial.

El algoritmo de deep learning, S-Detect, utiliza información previamente obtenida de 10000 casos de cáncer de mama para ayudar a detectar otros futuros con el terminal médico RS80A. Gracias al algoritmo, es capaz de identificar el tamaño del tumor, los tipos de células afectadas y, para tranquilidad de los pacientes, saber si es maligno o benigno.

Samsung medison 2

Se espera que con estos procesos, se pueda evitar la necesidad de realizar un gran número de biopsias. El ahorro, más allá de lo económico, que puede ser decisivo para muchos países, puede redundar también en reducir las listas de espera.

Gracias a otro software llamado S-Fusion y su característica “respiration auto”, se reduce el tiempo en que el ultrasonido es capaz de registrar imágenes de resonancias o tomografías computarizadas, sin solución sin esta tecnología como causa de la inhalación o exhalación del paciente. Con S-Harmonic, por su parte, logran imágenes mucho más claras y con menor ruido que con técnicas tradicionales.

Ya se ha hablado en presentaciones de cómo la recopilación de datos con smartphones y dispositivos IoT puede ayudar en medicina, pero esto es un ejemplo real de cómo los médicos no solo pueden obtener datos más precisos, sino reducir por mucho los tiempos de los diagnósticos sin perder eficacia en ellos.

http://ift.tt/1SzMnCB

via Hipertextual http://ift.tt/1SBML6K