top of page

El Deep learning En el Laboratorio de Anatomía Patológica

Actualizado: 6 dic 2022


Con el auge de la tecnología de escáner de portaobjetos completos, se escanean, representan y archivan digitalmente un gran número de portaobjetos de tejido o células a través de la citologia diagnostico. Si bien la patología digital tiene implicaciones sustanciales para la telepatologia, las segundas opiniones y la educación, también existen enormes oportunidades de investigación en la computación de imágenes con esta nueva fuente de «big data».


Es bien sabido que existen datos pronósticos fundamentales incrustados en imágenes de patología. La capacidad de extraer características de imágenes «sub-visuales» a partir de imágenes de diapositivas de patología digital, características que pueden no ser visualmente discernibles por un cito-patólogo, ofrece la oportunidad de un mejorar un modelo cuantitativo de la apariencia de la enfermedad y, por lo tanto, posiblemente una mejor predicción de la agresividad de la enfermedad y el resultado del paciente.


Sin embargo, las atractivas oportunidades en medicina de precisión que ofrecen los grandes datos de patología digital vienen con su propio conjunto de desafíos computacionales. El análisis de imágenes y las herramientas de detección y diagnóstico asistidas por computadora desarrolladas previamente en el contexto de imágenes radiográficas son lamentablemente inadecuadas para lidiar con la densidad de datos en imágenes de diapositivas completas digitalizadas de alta resolución.



Además recientemente, ha habido un interés sustancial reciente en combinar y fusionar imágenes radiológicas y mediciones basadas en proteómica y genómica con características extraídas de imágenes patológicas digitales para una mejor predicción del pronóstico de la agresividad de la enfermedad y el resultado del paciente. Aprende mas en el este video https://youtu.be/FWjAWs72Mdc


Actualmente, hay una escasez de herramientas poderosas para combinar características específicas de enfermedades que se manifiestan en múltiples escalas de longitud diferentes. El propósito de este blog es dar a conocer los desarrollos en las herramientas de análisis de imágenes computacionales para el modelado predictivo de imágenes de patología digital desde una perspectiva de detección, segmentación, extracción de características y clasificación de tejidos o células, para fines educativos y de investigación.



El curso de actualización y perfeccionamiento profesional de la plataforma expone algunos de los desafíos técnicos y computacionales a superar y reflexiona sobre las oportunidades futuras para la cuantificación de la histo y la citopatología.



PROGRAMA:

1. Abordaje sencillo para entender el deep learning en la telepatología digital

2. Ventajas y beneficios de la telepatología digital

3. Elementos y factores a considerar al momento de elegir equipos de alta tecnología en telepatología digital

4. Fundamentos del deep learning y principios de inteligencia artificial IA aplicables a laboratorios de anatomía patológica.

112 visualizaciones0 comentarios
bottom of page