¿Por qué registrarte?

#TECNOLOGÍAENMEDICINA #CÁNCERCOLORRECTAL

Aplican técnicas de deep learning al pronóstico del cáncer colorrectal

Un nuevo método utiliza las nuevas tecnologías para analizar imágenes escaneadas de muestras del tumor

Aplican técnicas de aprendizaje profundo al pronóstico del cáncer colorrectal
Guárdala

Comparte.

Un equipo de investigadores noruegos, en colaboración con científicos británicos, ha desarrollado un método basado en técnicas de aprendizaje profundo (en inglés deep learning) para identificar marcadores pronósticos en pacientes con cáncer colorrectal sometidos a una resección.

En un artículo publicado en The Lancet, los autores explican que se necesitan marcadores de pronóstico mejorados que permitan estratificar de manera automática a los pacientes en estadios iniciales de la enfermedad y contribuir a la toma de decisiones acerca del tratamiento más adecuado a seguir.

En este sentido, el trabajo ha consistido en la identificación y desarrollo de un biomarcador basado en el escaneado digital de muestras de tejido tumoral teñidas mediante la técnica convencional hematoxilina-eosina, provenientes de más de 800 pacientes.

El análisis de imágenes digitales es uno de los ámbitos en los que el deep learning ha conseguido resultados más destacados

Los investigadores utilizaron más de 12 millones de imágenes escaneadas de tejido de pacientes que tenían claramente un pronóstico favorable o desfavorable para la enfermedad. El biomarcador de pronóstico se determinó a partir de muestras de pacientes que no tenían un pronóstico claro.

Los resultados indicaron que el biomarcador DoMore-v1-CRC, resultó ser el más eficaz para estratificar a los pacientes en estadios II y III de cáncer colorrectal, lo que podría servir de ayuda a la hora de decidir el tratamiento adyuvante más adecuado en cada caso.

El trabajo apunta que el análisis de imágenes digitales es, de hecho, uno de los ámbitos en los que el deep learning ha conseguido sus resultados más destacados. En este caso, los autores consideran que la nueva metodología que presentan tiene el potencial para ser utilizado en la toma de decisiones en el ámbito clínico, especialmente para mejorar la selección del tratamiento adyuvante tras resección en pacientes con cáncer colorrectal.

Referencia
Skrede OJ, De Raedt S, Kleppe A, et al. Deep learning for prediction of colorectal cancer outcome: a discovery and validation study. Lancet. 2020;395(10221):350–360. doi:10.1016/S0140-6736(19)32998-8

COMPARTE LA NOTICIA: Guárdala
Acceso a todos los contenidos. Formaciones acreditadas. Consulta y descarga de publicaciones médicas
¿Por qué registrarte?

Accede

Entra en tu cuenta personal de La RED para ver tus documentos guardados y poder leer todos los contenidos.


Close

Regístrate ahora

para que siempre recordemos tus preferencias y accede además a todos los contenidos, incluidos artículos científicos y formaciones científicas.

¿Por qué registrarte?
Close

Restaurar contraseña

Introduce el e-mail con el que te registraste y recibirás instrucciones para recuperar tu contraseña.

Close

Utilizamos “cookies” propias y de terceros para elaborar información estadística y mostrarte publicidad, contenidos y servicios personalizados a través del análisis de tu navegación. Si continúas navegando aceptas su uso.