El diagnóstico por imagen mediante IA ya es una realidad
En colaboración con organizaciones sanitarias de todo el mundo, investigamos herramientas de IA innovadoras y potentes para ayudar a los facultativos a realizar diagnósticos. Utilizamos diferentes conjuntos de datos, etiquetas de alta calidad y técnicas punteras de aprendizaje profundo para desarrollar modelos que esperamos que en el futuro ayuden a los especialistas médicos a diagnosticar enfermedades. Estamos deseando ampliar esta investigación hacia nuevos objetivos y demostrar que la IA puede abrir las puertas a procesos de diagnóstico innovadores y transformadores.
Este producto tiene el marcado CE como dispositivo médico de clase I en la UE. No está disponible en Estados Unidos. Esta investigación no está relacionada con la herramienta DermAssist, que ya no se está desarrollando.
Un mejor acceso a información sobre enfermedades de la piel
Gracias a las posibilidades de la visión artificial con IA y la búsqueda de imágenes, estamos desarrollando una herramienta para ayudar a las personas a observar e identificar mejor los trastornos de la piel, el pelo y las uñas. La herramienta funciona con cientos de afecciones, incluidas más del 80 % de las enfermedades observadas en clínicas y más del 90 % de las enfermedades más buscadas. El trabajo se expuso en Nature Medicine y en JAMA Network Open.
Detección de anemia
Visión artificial
Detección de anemia
Detección de señales ocultas de anemia en los ojos
El ojo humano puede revelar signos de enfermedades subyacentes, como la anemia, un trastorno que afecta a 1600 millones de personas en todo el mundo y que provoca cansancio, debilidad, mareos y somnolencia. En un estudio publicado en Nature Biomedical Engineering, pudimos utilizar el aprendizaje profundo para cuantificar los niveles de hemoglobina y detectar anemia con fotografías desidentificadas de la parte posterior del ojo. Este resultado abre las puertas a la posibilidad de que, en el futuro, los profesionales detecten la enfermedad con una sencilla herramienta de diagnóstico no invasiva. Leer la entrada.
Visión artificial
Visión artificial para evaluar riesgos cardiovasculares
Evaluar el riesgo de enfermedades cardiovasculares es el primer paso (y el más importante) para reducir la probabilidad de que un paciente sufra accidentes cardiovasculares en el futuro. Mediante el uso de técnicas de aprendizaje profundo en imágenes de retina, hemos podido descubrir factores asociados al riesgo de un accidente cardiovascular grave, como un ataque al corazón o un ictus, tal y como se ha publicado en Nature Biomedical Engineering. Esta investigación podría ayudar a los científicos a dar con hipótesis más específicas e impulsar más investigaciones en el futuro. Leer la entrada.
Práctica clínica
Aprendizaje profundo
Práctica clínica
Estudio sobre cómo la IA puede ayudar en los procedimientos clínicos de detección de cáncer de mama
Las pruebas de detección del cáncer de mama ayudan a detectarlo de forma más temprana, pero el diagnóstico preciso y sistemático sigue siendo un desafío, ya que la mitad de las mujeres han recibido un falso positivo en los últimos 10 años. En Nature, demostramos el potencial de nuestro modelo de IA para analizar mamografías desidentificadas recogidas con carácter retroactivo con una precisión similar o mayor que los facultativos. En este momento estamos colaborando en el estudio de investigación de un dispositivo para comprender de qué manera el modelo puede ayudar en los procedimientos clínicos y reducir el tiempo transcurrido entre mamografía y diagnóstico, disminuyendo así el intervalo de evaluación y mejorando la experiencia del paciente. Leer la entrada.
Aprendizaje profundo
Aplicación del aprendizaje profundo para detectar cáncer de mama metastásico
En nuestra investigación de patología publicada en Archives of Pathology & Laboratory Medicine y en The American Journal of Surgical Pathology, mostramos cómo una prueba de concepto de una herramienta de asistencia (LYNA) podría utilizar el aprendizaje profundo para aumentar la precisión de la detección de cáncer de mama metastásico. Leer la entrada.
Avances en IA
Aprendizaje de IA
Diagnóstico de IA
Avances en IA
Exploración de los avances de la IA en la planificación de la radioterapia para mejorar la eficiencia
Partiendo del trabajo realizado con los hospitales de la University College London y publicado en JMIR Publications, estamos colaborando con la Clínica Mayo y estudiando el uso de la IA para ayudar a los facultativos a planificar el tratamiento del cáncer por radioterapia. Hemos unido nuestras fuerzas para investigar, entrenar y validar un algoritmo que ayude a los profesionales médicos a separar el tejido y los órganos sanos de los tumores para reducir así el tiempo de planificación del tratamiento y mejorar la eficiencia de la radioterapia. Esperamos que, de esa manera, los facultativos puedan dedicar menos tiempo a la planificación y más a sus pacientes. Leer la entrada.
Aprendizaje de IA
Aprendizaje automático para detectar zonas no observadas en las pruebas de colonoscopia
El cáncer colorrectal es un problema de salud mundial y el segundo cáncer más letal en Estados Unidos, con unas 900.000 muertes al año. Nuestro algoritmo avisa a los médicos de las zonas del colon que no han observado, por lo que tiene el potencial de ayudar a descubrir más adenomas. De esta manera, aumenta la tasa de detección de adenomas y disminuye la tasa de cáncer colorrectal de intervalo, tal y como se ha publicado en IEEE Transactions on Medical Imaging. Leer la entrada.
Diagnóstico de IA
Usar IA para identificar la agresividad del cáncer de próstata
Para diagnosticar la gravedad del cáncer de próstata, se analizan las biopsias y se les asigna un grado de la escala de Gleason, que se determina al compararlas con células sanas. En un trabajo publicado en JAMA Oncology y en JAMA Network Open, exploramos la idea de si un sistema de IA podría asignar con precisión un grado de la escala de Gleason a biopsias de próstata. Nuestros resultados indicaron que el sistema de aprendizaje profundo tiene el potencial de servir de apoyo para los diagnósticos de nivel experto. Leer la entrada.