Un sistema integrado habilitado por IA que utiliza el aprendizaje cruzado de una sola clase para la detección...

Área de la Ciencia:

• Imagenología Médica
• Inteligencia Artificial
• Oncología

Sus antecedentes:

• El cáncer gástrico es una de las principales causas de mortalidad por cáncer a nivel mundial.
• Los métodos de diagnóstico actuales para el cáncer gástrico tienen limitaciones, lo que lleva a diagnósticos erróneos frecuentes.
• Existe una necesidad crítica de mejorar las tecnologías de detección temprana.

Objetivo del estudio:

• Desarrollar y evaluar un sistema de imagenología integrado habilitado por IA para mejorar la detección del cáncer gástrico.
• Mejorar la precisión y la eficiencia del diagnóstico del cáncer gástrico temprano.
• Permitir la detección temprana no invasiva en entornos de atención primaria.

Principales métodos:

• Desarrollo de un novedoso algoritmo de aprendizaje cruzado de una sola clase (OCT-X).
• Utilización de una búsqueda de cuadrícula de doble umbral rápido (FDT-GS) y una red convolucional profunda completamente convolucional.
• Integración con un dispositivo de prueba de punto de atención (POCT) todo en uno que presenta sensores de alta resolución y procesamiento en tiempo real.
• Adquisición y control de datos mediante software NI CompactDAQ y LabVIEW.

Principales resultados:

• El sistema integrado logró una precisión diagnóstica del 99,70 %.
• El rendimiento superó a los modelos existentes de última generación hasta en un 4,47 %.
• Demostró una mejora del 10 % en la adaptabilidad multitarifa para un rendimiento sólido.

Conclusiones:

• El algoritmo OCT-X y la plataforma integrada muestran un potencial significativo para la detección temprana del cáncer gástrico.
• El sistema ofrece un enfoque más preciso, eficiente y no invasivo.
• Se destaca la aplicación exitosa en entornos de atención primaria.