Se creía que era imposible obtener imágenes y diagnósticos por IA
Nos asociamos con organizaciones de atención médica de todo el mundo para investigar acerca de nuevas herramientas útiles impulsadas por IA y centradas en el diagnóstico que puedan asistir a profesionales clínicos. A partir de una gran variedad de conjuntos de datos, etiquetas de alta calidad y técnicas de aprendizaje profundo de última generación, estamos creando modelos con la esperanza de, algún día, asistir a especialistas médicos en el diagnóstico de enfermedades. Nos complace desarrollar esta investigación hacia nuevas fronteras y demostrar que la IA puede posibilitar nuevos diagnósticos transformadores.
Este producto tiene el marcado CE como dispositivo médico Clase I en la UE. No está disponible en Estados Unidos.
Mejora del acceso a la información sobre enfermedades cutáneas
Mediante la visión artificial y las capacidades de búsqueda de imágenes, estamos desarrollando una herramienta para ayudar a las personas a investigar e identificar mejor posibles afecciones en la piel, el cabello y las uñas. La herramienta admite cientos de afecciones, entre las que se incluyen más del 80% de las enfermedades que se ven en hospitales y más del 90% sobre las que se realizan investigaciones con mayor frecuencia. Tanto Nature Medicine como JAMA Network Open destacaron este trabajo. Más información
Detección de anemia
Visión artificial
Detección de anemia
Detección de signos ocultos de anemia en el ojo
El ojo del ser humano puede revelar signos de enfermedades subyacentes como la anemia, una enfermedad que afecta a 1,600 millones de personas a nivel mundial y que provoca cansancio, debilidad, mareos y somnolencia. En una investigación publicada en Nature Biomedical Engineering, usamos el aprendizaje profundo para medir los niveles de hemoglobina y detectar la anemia con fotografías desidentificadas de la parte posterior del ojo. Este resultado significa que, posiblemente, algún días los médicos puedan detectar la enfermedad mediante una simple herramienta de evaluación no invasiva. Leer publicación
Visión artificial
El uso de la visión artificial para evaluar el riesgo de enfermedades cardiovasculares
Evaluar el riesgo de desarrollar enfermedades cardiovasculares es el primer paso, y el más importante, para reducir las probabilidades de que un paciente sufra un accidente cardiovascular en el futuro. Tal como se publicó en Nature Biomedical Engineering, aplicar técnicas de aprendizaje profundo a imágenes de la retina nos permitió revelar factores asociados al riesgo de sufrir un accidente cardiovascular grave, como un ataque al corazón o un accidente cerebrovascular. Esta investigación podría ayudar a los científicos a generar hipótesis más orientadas y a llevar a cabo una amplia gama de investigaciones en el futuro. Leer publicación
Práctica clínica
Aprendizaje profundo
Práctica clínica
Cómo puede la IA ayudar en el diagnóstico de cáncer de mama en la práctica clínica
Los exámenes de cáncer de mama ayudan a detectarlo de manera temprana. Sin embargo, diagnosticar el cáncer de manera precisa y consistente sigue siendo un desafío, ya que, en un período de 10 años, la mitad de las mujeres experimentan un falso positivo. En Nature, demostramos el potencial de nuestro modelo de IA para analizar conjuntos de mamografías desidentificadas recopilados a posteriori con resultados similares o incluso mejores que los que obtienen los profesionales clínicos. Actualmente, estamos trabajando en un estudio de investigación de dispositivos para comprender la forma en que este modelo puede ayudar en la práctica clínica a reducir el tiempo que transcurre desde que se realiza una mamografía hasta que se obtiene el diagnóstico, lo que acorta la brecha de evaluación y mejora la experiencia del paciente. Leer entrada
Aprendizaje profundo
Uso del aprendizaje profundo para detectar cáncer de mama metastásico
En nuestra investigación sobre la patología, publicada en Archives of Pathology & Laboratory Medicine y The American Journal of Surgical Pathology, demostramos el modo en que una herramienta de asistencia de prueba de concepto (LYNA) puede emplear el aprendizaje profundo para mejorar la exactitud en la detección de cáncer de mama metastásico. Leer entrada
Avances en IA
Aprendizaje de IA
Diagnóstico de IA
Avances en IA
Avances de la IA en la planificación de radioterapia para mejorar la efectividad
A partir del trabajo que se realizó con los hospitales de la University College London y lo publicado en JMIR Publications, colaboramos con la Clínica Mayo a fin de estudiar el uso de la IA para ayudar a profesionales clínicos en la planificación de radioterapia como tratamiento contra el cáncer. Trabajamos en conjunto para investigar, entrenar y validar un algoritmo cuya función es ayudar a los médicos a diferenciar órganos y tejidos sanos de tumores, a fin de reducir el tiempo de planificación del tratamiento y mejorar la efectividad de la radioterapia, con la esperanza de que los profesionales clínicos estén menos tiempo planificando y más junto a sus pacientes. Leer entrada
Aprendizaje de IA
Uso del aprendizaje automático para detectar exploraciones deficientes en exámenes de colonoscopía
El cáncer colorrectal representa un problema a nivel global y es la segunda clase de cáncer más mortal en los Estados Unidos, con unas 900,000 muertes estimadas al año. Nuestro algoritmo, que alerta a los médicos sobre las regiones de la pared del colon que quedaron sin revisar, tiene el potencial de detectar más adenomas, lo que aumenta la tasa de detección de estos tumores y reduce la tasa del cáncer colorrectal de intervalo, según se publicó en IEEE Transactions on Medical Imaging. Leer entrada
Diagnóstico de IA
Uso de la IA para identificar la agresividad del cáncer de próstata
Para diagnosticar la gravedad del cáncer de próstata, se analizan biopsias y se les asigna un grado en la escala de Gleason, que otorga puntuaciones en comparación con células sanas. En trabajos publicados en JAMA Oncology y JAMA Network Open, analizamos si un sistema de IA puede usar la escala de Gleason en biopsias de tejido prostático. Los resultados indican que el sistema de aprendizaje profundo puede respaldar los diagnósticos brindados por profesionales. Leer entrada