Video Experimental Relacionado
Updated: Sep 10, 2025
10:26
Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules
Published on: May 19, 2023
2.0K
Caracterizar el impacto de los datos de entrenamiento en la generalización: aplicación en el aprendizaje profundo
Bogdan Obreja1, Joeran Bosma1, Kiran Vaidhya Venkadesh1
1Department of Medical Imaging, Radboud University Medical Center, Geert Grooteplein Zuid 10, 525 GA Nijmegen, the Netherlands.
Radiology. Artificial intelligence
|August 20, 2025
Resumen
Una IA de aprendizaje profundo evalúa efectivamente el riesgo de cáncer de nódulo pulmonar. Se logró un rendimiento excelente utilizando solo una fracción de los datos de capacitación, alcanzando resultados máximos antes de la utilización completa del conjunto de datos.
Área de la Ciencia:
- Inteligencia artificial en imágenes médicas
- Aprendizaje automático para la detección de enfermedades
- Investigación en radiología y oncología
Sus antecedentes:
- Los nódulos pulmonares en las tomografías computarizadas de baja dosis requieren una evaluación precisa del riesgo de malignidad para el cribado del cáncer de pulmón.
- Los algoritmos de aprendizaje profundo son prometedores para mejorar la precisión del diagnóstico.
- Comprender el impacto del volumen de datos de capacitación es crucial para el desarrollo de la IA.
Objetivo del estudio:
- Investigar la relación entre el volumen de datos de entrenamiento y el rendimiento de una IA de aprendizaje profundo para la evaluación del riesgo de cáncer de nódulo pulmonar.
- Determinar los datos mínimos de entrenamiento necesarios para que el rendimiento de la IA no sea inferior al de los modelos entrenados con conjuntos de datos completos y al rendimiento del clínico.
Principales métodos:
- Estudio retrospectivo utilizando 16.077 nódulos anotados del ensayo nacional de cribado pulmonar (NLST).
- Entrenamiento sistemático de un algoritmo de IA de aprendizaje profundo en subconjuntos de datos NLST estratificados (del 1,25% al 100%).
- Validación externa utilizando los datos del ensayo Danish Lung Cancer Screening Trial (DLCST) para la comparación del rendimiento.
Principales resultados:
- La IA logró un AUC promedio de 0,92 en la cohorte DLCST cuando se entrenó en el conjunto de datos NLST completo.
- El rendimiento no inferior se mantuvo con el 80% de los datos de entrenamiento NLST (media AUC de 0,92).
- El rendimiento a nivel clínico (AUC promedio de 0,82) se logró con solo el 20% de los datos de entrenamiento en un subconjunto de DLCST de tamaño coincidente.
Conclusiones:
- La IA de aprendizaje profundo demuestra un excelente rendimiento en la evaluación del riesgo de cáncer de nódulo pulmonar.
- El rendimiento a nivel clínico se puede lograr con significativamente menos datos de entrenamiento de lo previsto inicialmente.
- El rendimiento máximo de la IA se alcanzó antes de utilizar todo el conjunto de datos de capacitación disponibles.
