Inteligencia artificial y datos del mundo real en radiología para sistemas de apoyo contra el cáncer y desarrollo de...

Área de la Ciencia:

• Radiología
• Inteligencia Artificial
• Oncología

Sus antecedentes:

• La convergencia de la inteligencia artificial (IA) y los datos del mundo real (RWD) presenta una oportunidad transformadora en imágenes médicas.
• Se pueden aprovechar grandes conjuntos de datos de radiología digital de la práctica clínica rutinaria con IA para sistemas avanzados de apoyo diagnóstico y terapéutico.

Objetivo del estudio:

• Explorar las ventajas y los desafíos de integrar la IA con datos de radiología del mundo real para mejorar la atención al paciente con cáncer.
• Destacar el potencial de la IA en la automatización de procesos clínicos, la identificación de biomarcadores novedosos y el apoyo a las decisiones de tratamiento del cáncer.

Principales métodos:

• Revisión de la literatura actual sobre aplicaciones de IA en radiología que utilizan datos del mundo real.
• Análisis de los requisitos de datos de los modelos de aprendizaje profundo y el papel de los RWD en la aceleración del desarrollo de ensayos.
• Discusión de desafíos que incluyen el acceso a los datos, la calidad, el procesamiento y la necesidad de estandarización.

Principales resultados:

• La IA aplicada a datos de radiología muestra potencial en la automatización de la detección de tumores y la identificación de nuevos biomarcadores de cáncer.
• Los datos del mundo real proporcionan conjuntos de datos diversos y extensos, cruciales para entrenar modelos de aprendizaje profundo y comprender las prácticas clínicas del mundo real.
• Los protocolos estandarizados y la creación de confianza son esenciales para la aplicabilidad clínica y la implementación.

Conclusiones:

• La IA tiene un potencial significativo para analizar imágenes e informes de radiología del mundo real para extraer información valiosa y avanzar en el descubrimiento de biomarcadores.
• Abordar los desafíos en el acceso a los datos, la calidad y el procesamiento es clave para materializar los beneficios prácticos de la IA en radiología.
• La implementación exitosa requiere colaboración y confianza entre médicos, pacientes y organismos reguladores.