Back to Search Start Over

Predicción automática del diagnóstico del sarcoma de Ewing en una serie extensa de tumores de células redondas incluidas en micromatrices de tejidos

Predicción automática del diagnóstico del sarcoma de Ewing en una serie extensa de tumores de células redondas incluidas en micromatrices de tejidos

Authors :
Meseguer, Pablo
Rubio, Ana
Amor, Rocío del
López Guerrero, José Antonio
Navarro, Samuel
Scotlandi, Katia
Llombart Bosch, Antonio
Machado, Isidro
Naranjo, Valery
Meseguer, Pablo
Rubio, Ana
Amor, Rocío del
López Guerrero, José Antonio
Navarro, Samuel
Scotlandi, Katia
Llombart Bosch, Antonio
Machado, Isidro
Naranjo, Valery
Publication Year :
2023

Abstract

El sarcoma de Ewing (SE) es una neoplasia maligna que afecta principalmente a personas jóvenes y se origina en el tejido óseo o en los tejidos blandos circundantes. El estudio histopatológico de las biopsias es crucial en el proceso diagnostico del SE, pero esta limitado debido a su diversidad histológica y a la similitud con otros tumores de células redondas y pequeñas. Además, resulta fundamental realizar un diagnostico diferencial del SE puesto que requiere de un tratamiento particular. En este contexto, la implementación de sistemas automáticos de ayuda al diagnostico basados en inteligencia artificial (IA) puede contribuir a orientar a los médicos en la selección de técnica diagnosticas adicionales para confirmar el diagnostico. El presente trabajo explora la implementación de algoritmos basados en dos paradigmas de aprendizaje profundo (supervisado y débilmente supervisado) para la predicción del sarcoma de Ewing sobre micromatrices de tejido digitalizadas. Los resultados muestran que ambos permiten la clasificación del SE frente al rabdomiosarcoma con un desempeño mayor del 95 % en términos de exactitud demostrando la capacidad de los algoritmos basados en IA para asistir a los patólogos en el proceso diagnostico

Details

Database :
OAIster
Notes :
Spanish
Publication Type :
Electronic Resource
Accession number :
edsoai.on1455408847
Document Type :
Electronic Resource