Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

HospiMedica

Deascargar La Aplicación Móvil
Noticias Recientes COVID-19 Cuidados Criticos Téc. Quirúrgica Imagenología Cuidados de Pacientes TI Pruebas POC Negocios Focus

Endoscopia OCT combinada con IA diagnostica cáncer de colon con alta precisión

Por el equipo editorial de HospiMedica en español
Actualizado el 02 Aug 2022
Imagen: Los resultados se publicaron en la edición de junio de la revista Journal of Biophotonics (Fotografía cortesía de la Universidad de Washington en St. Louis)
Imagen: Los resultados se publicaron en la edición de junio de la revista Journal of Biophotonics (Fotografía cortesía de la Universidad de Washington en St. Louis)

La detección del cáncer de colon ahora se basa en la inspección visual humana del tejido durante un procedimiento de colonoscopia. Esta técnica, sin embargo, no detecta ni diagnostica lesiones subsuperficiales. Ahora, un equipo de investigación ha combinado la tomografía de coherencia óptica (OCT) y el aprendizaje automático para desarrollar una herramienta de diagnóstico por imágenes del cáncer colorrectal que algún día puede mejorar la endoscopia tradicional que utilizan actualmente los médicos.

Una endoscopia OCT esencialmente ilumina el colon para ayudar al médico a ver más profundamente para visualizar y diagnosticar anomalías. Ingenieros biomédicos de la Universidad de Washington en St. Louis (St. Louis, MO, EUA) han desarrollado un pequeño catéter OCT, que usa una longitud de onda de luz más larga, para penetrar 1-2 mm en las muestras de tejido. La técnica proporcionó más información sobre una anomalía que las imágenes de luz blanca a nivel de la superficie que utilizan actualmente los médicos. Los investigadores utilizaron los datos de imágenes para entrenar un algoritmo de aprendizaje automático para diferenciar entre tejido "normal" y "canceroso". El sistema combinado les permitió detectar y clasificar muestras de tejido canceroso con una precisión diagnóstica del 93 %.

Enlaces relacionados:
Universidad de Washington en St. Louis  

Miembro Oro
STI Test
Vivalytic Sexually Transmitted Infection (STI) Array
Monitor de radiología
MDNC-6121 Barco Nio Color 5.8MP
Syringe Pump
SP50 Series
Medical Adhesive
MED 5570U

Canales

Cuidados de Pacientes

ver canal
Haber de imagen: Enviato/Pressmaster

La realidad virtual ayuda a pacientes con claustrofobia a completar exploraciones PET/TC cardíacas

La ansiedad y la claustrofobia —un miedo intenso a los espacios confinados— a menudo impiden que los pacientes completen la tomografía por emisión de positrones/tomografía... Más

Pruebas POC

ver canal
Crédito de la imagen: 123RF

Monitoreo continuo de glucosa identifica riesgo cardiometabólico en adultos sin diabetes

La disglucemia—regulación anormal de la glucosa en sangre—puede fluctuar a lo largo del día y a menudo escapa al cribado convencional. Los médicos suelen recurrir a la... Más

Negocios

ver canal
Imagen: LigaSure RAS Maryland, diseñado para la plataforma Valleylab FT10 en Hugo RAS, sella y corta vasos, tejidos y vasos linfáticos de hasta 7 mm de diámetro (Fotografía cortesía de Medtronic)

Medtronic recibe autorización de la FDA para instrumento de sellado vascular en cirugía robótica

A medida que la cirugía asistida por robot se expande en los hospitales de Estados Unidos, los equipos buscan cada vez más instrumentos de energía con la familiaridad y el rendimiento... Más