Según un estudio dirigido por Viole Cornell Medicine, los investigadores de Cornell’s Athaka Campus y Cornell Tech, un nuevo sistema orientado a la IA para analizar las imágenes tomadas con el tiempo puede detectar y predecir con precisión los resultados. La sensibilidad y la flexibilidad de este sistema pueden hacerla útil en una amplia gama de aplicaciones médicas y científicas.
El nuevo sistema, llamado Lilic (que indica un cambio en el aprendizaje de la imagen de imagen más larga), se basa en un enfoque de IA llamado aprendizaje automático. En este estudio, que aparece en la Academia Nacional de Ciencias el 20 de febrero, los investigadores desarrollaron el sistema y se realizaron en una serie temporal diferente, también conocida como la serie de imágenes “a largo plazo”. Los investigadores han demostrado que incluso las imágenes tomadas en diferentes momentos en Lelik tienen un amplio potencial para identificar diferencias muy sutiles, y que los escaneos cerebrales pueden predecir consecuencias como los puntajes académicos.
“Esta nueva herramienta nos permitirá detectar y detectar cambios médicos con el tiempo, lo que no era posible antes, y su flexibilidad significa que el estante se puede aplicar a un conjunto de datos de imágenes más largos”, el autor principal del estudio, el Dr. Mercol, y profesor de estudio, Prof. Profesor Athaka Campus y Cornell Tech en radiología en radiología en radiología en radiología en radiología.
El primer autor de este estudio es el Dr. Hujong Kim, quien es un instructor de inteligencia artificial y miembro del Laboratorio Subonco en Radiología en Wheel Cornell Medicine.
La expansión de los datos de imágenes a largo plazo requiere una personalización generalizada y un procesamiento previo en los métodos tradicionales. Por ejemplo, los investigadores de estudios cerebrales pueden tomar los datos de resonancia magnética cerebral cruda y simplemente centrarse en un área cerebral, datos de imágenes previos a practicantes, corregir diferentes ángulos de teoría, diferencias en los datos y otros análisis centrados en muestras.
Los investigadores diseñaron a Lillek para operar de una manera mucho más flexible, de hecho, realizando automáticamente tales mejoras y encontrando cambios relacionados.
“Esto hace que Lilak no solo sea en diferentes contextos de imágenes sino también en situaciones en las que no está seguro de qué cambio se espera”, dijo el diseñador principal de Lilak, Dr. Kim.
En una demostración del concepto, los investigadores capacitaron a Lilk en cientos de imágenes de microscopios, lo que desarrolla estas salmueras fertilizadas vitro, y luego se probó contra la nueva imagen feto. Lillek tuvo que determinar el par aleatorio de las imágenes de una continuidad dada, que se llevó a la imagen anterior, una tarea que no se puede hacer de manera confiable a menos que la “señal” real indique un cambio oportuno en los datos de la imagen. Lillek hizo este trabajo con aproximadamente el 9999 % de precisión, algunos errores cometidos en la pareja de fotos con intervalos de tiempo relativamente cortos.
En la misma serie, Lelik también fue muy preciso para ordenar un par de fotos de tejido curativo, y detectar diferencias de nivel de grupo en la tasa de curación entre el tejido y el tejido de no tratamiento, que recibió tratamiento experimental.
Del mismo modo, Lelik ha predicho intervalos de tiempo entre las imágenes de resonancia magnética de los cerebros de adultos mayores sanos, así como una puntuación académica individual de pacientes con trastorno académico leve, en ambos casos es mucho menos erróneo que los métodos de referencia.
Los investigadores han demostrado en todos los casos que el LILAC puede protegerse fácilmente para resaltar las características de la imagen que son más relevantes para detectar cambios en las personas o para detectar diferencias entre los grupos, lo que puede proporcionar nuevas ideas médicas e incluso científicas.
“Esperamos que esta herramienta sea especialmente útil en los casos en que nos faltan información sobre este proceso y donde hay muchos cambios en las personas”, dijo el Dr. Subonco.
Los investigadores ahora tienen la intención de demostrar lilico en un entorno real del mundo para predecir el tratamiento de pacientes con cáncer de próstata.
