En radioterapia, la precisión puede salvar vidas. Los oncólogos deben mapear cuidadosamente el tamaño y la ubicación de un tumor antes de administrar altas dosis de radiación para destruir las células cancerosas y preservar el tejido sano. Sin embargo, este proceso, llamado segmentación tumoral, todavía se realiza manualmente, requiere tiempo, varía entre médicos y puede llevar a que se pasen por alto áreas tumorales críticas.
Ahora, un equipo de científicos de Northwestern Medicine ha desarrollado una herramienta de IA llamada iSeg que no solo conecta a los médicos en la precisión de la descripción de los tumores pulmonares en las tomografías computarizadas, sino que también puede identificar áreas que algunos médicos podrían pasar por alto, según informa un nuevo y amplio estudio.
A diferencia de las herramientas de IA anteriores que se centraban en imágenes estáticas, iSeg es la primera herramienta de aprendizaje profundo 3D que ha demostrado segmentar tumores a medida que se mueven con cada respiración, un factor crucial en la planificación del tratamiento de radiación, que la mitad de los pacientes con cáncer en EE. UU. reciben durante su enfermedad.
«Estamos un paso más cerca de tratamientos contra el cáncer aún más precisos de lo que imaginábamos hace apenas una década», afirmó el Dr. Mohamed Abazeed, autor principal y catedrático de oncología radioterápica en la Facultad de Medicina Feinberg de la Universidad Northwestern.
«El objetivo de esta tecnología es brindar a nuestros médicos mejores herramientas», añadió Abazeed, quien lidera un equipo de investigación que desarrolla herramientas basadas en datos para personalizar y mejorar el tratamiento del cáncer y es miembro del Centro Oncológico Integral Robert H. Lurie de la Universidad Northwestern.
Los científicos de Northwestern entrenaron a iSeg utilizando tomografías computarizadas y contornos tumorales dibujados por médicos de cientos de pacientes con cáncer de pulmón tratados en nueve clínicas de los sistemas de salud de Northwestern Medicine y Cleveland Clinic. Esto supera con creces los pequeños conjuntos de datos de un solo hospital utilizados en estudios anteriores.
Tras el entrenamiento, la IA se probó con tomografías de pacientes que no había visto antes. Sus contornos tumorales se compararon con los dibujados por médicos. El estudio reveló que iSeg coincidía consistentemente con los contornos de expertos en distintos hospitales y tipos de tomografía. También detectó áreas adicionales que algunos médicos pasaron por alto, y estas áreas omitidas se asociaron con peores resultados si no se trataban. Esto sugiere que iSeg podría ayudar a detectar regiones de alto riesgo que a menudo pasan desapercibidas.
Fuente: Science Daily
Para leer más ingresa a: https://www.sciencedaily.com/releases/2025/06/250630073440.htm?utm_source=flipboard&utm_content=topic/medtech