Zu meinen Favoriten hinzufügen
Automatische Übersetzung anzeigen
Dies ist eine automatisch generierte Übersetzung. Wenn Sie auf den englischen Originaltext zugreifen möchten,
klicken Sie hier
#Produkttrends
{{{sourceTextContent.title}}}
KI-gestütztes Lesen erhöht die Genauigkeit der Mammographie
{{{sourceTextContent.subTitle}}}
Eine auf künstlicher Intelligenz (KI) basierende Software unterstützt Radiologen beim Lesen von Screening-Mammogrammen zur Brustkrebserkennung.
{{{sourceTextContent.description}}}
Die Software-Plattform MammoScreen von Therapixel (Paris, Frankreich) soll interpretierende Ärzte bei der Identifizierung von brustkrebsverdächtigen fokalen Befunden beim Screening der digitalen Vollfeld-Mammographie (FFDM) unterstützen. Die Software wurde entwickelt, um Weichteilläsionen und Verkalkungen in Mammographien automatisch zu erkennen und zu charakterisieren und ihre Wahrscheinlichkeit einer Bösartigkeit einzuschätzen, wobei Algorithmen verwendet werden, die auf großen Datenbanken mit biopsiebewährten Beispielen von Brustkrebs, gutartigen Läsionen und normalem Gewebe trainiert wurden. Die Plattform umfasst einen Verarbeitungsserver und eine Web-Schnittstelle.
Die Ergebnisse der Analyse werden in einem zusammenfassenden Bericht dargestellt, der den Verdacht auf jede Läsion auf einer Skala von eins bis zehn charakterisiert, wobei eine Läsion am wenigsten und zehn am wahrscheinlichsten bösartig ist. Nur die verdächtigsten Befunde (ein MammoScreen-Score gleich oder größer als fünf) werden zunächst markiert, um die Anzahl der zu überprüfenden Befunde zu begrenzen. Der Grad des Verdachtsscores wird auf der Befundebene, für jede Brust und insgesamt für die Mammographie ausgedrückt.
"Wir glauben, dass MammoScreen den Verdacht der Radiologen beim Lesen schnell und zuverlässig bestätigen wird", sagte Matthieu Leclerc-Chalvet, CEO von Therapixel. "Diese KI-Lösung wird eine sicherere Beurteilung durch Radiologen und eine schnellere Beruhigung von Frauen bei Brustkrebs-Screeninguntersuchungen gewährleisten, was zu einem effizienteren Arbeitsablauf und geringeren Kosten für das Gesundheitssystem führt
Die computergestützte Diagnose bezieht sich auf die umfassende Quantifizierung von Tumorphänotypen durch Extraktion einer großen Anzahl quantitativer Bildmerkmale für Data Mining und Präzisionsmedizin. In den letzten Jahren wurde die KI erfolgreich eingesetzt, um eine Vielzahl klinisch relevanter Merkmale zu extrahieren und zu digitalen Signaturen zusammenzuführen, um die Wahrscheinlichkeit der Bösartigkeit identifizierter Brustkrebsläsionen abzuschätzen.