脉得智能
Recientemente, dos resultados de investigación publicados en revistas internacionales de referencia demostraron el gran potencial de aplicación de la inteligencia artificial en el campo de la medicina por ultrasonido. MedAI, como entidad de apoyo para los algoritmos centrales y la construcción de modelos, participó de forma profunda en estos dos trabajos innovadores, contribuyendo a que el diagnóstico y tratamiento clínicos avancen hacia una nueva etapa de mayor precisión. Logro 1: nuevo estándar para la evaluación no invasiva de los ganglios linfáticos centinela en el cáncer de mama Un estudio publicado en EClinicalMedicine (IF 10) construyó con éxito una red de fusión bimodal de aprendizaje profundo (DDFN) basada en ultrasonido con contraste (CEUS) y ultrasonido en escala de grises (GSUS). El modelo tiene como objetivo predecir de forma no invasiva, antes de la cirugía, el estado metastásico de los ganglios linfáticos centinela (SLN) en pacientes con cáncer de mama. Su valor central reside en un valor predictivo negativo (VPN) y una especificidad extremadamente altos. El modelo mostró un rendimiento sólido en múltiples pruebas prospectivas multicéntricas y demostró excelentes perspectivas de traslación clínica. Valor clínico: (1) Se espera que permita evitar biopsias innecesarias de ganglios linfáticos centinela en pacientes con cáncer de mama temprano; el alto valor predictivo negativo permite identificar con precisión a los pacientes de bajo riesgo y evitar procedimientos invasivos. (2) Reduce el trauma quirúrgico y las complicaciones, optimiza las estrategias de tratamiento individualizado, disminuye el consumo de recursos médicos y mejora la calidad de vida y la experiencia terapéutica de los pacientes. (3) Impulsa la gestión axilar del cáncer de mama desde la estadificación patológica hacia la estadificación por imagen, proporciona una vía viable para el concepto de “N0 por imagen (iN0)” y facilita la toma de decisiones en cirugía de precisión.
△ Diagrama de flujo del desarrollo de un modelo de aprendizaje profundo para diagnosticar la naturaleza de los ganglios linfáticos centinela.
△ Mapas de calor representativos generados mediante el algoritmo Grad-CAM a partir de imágenes GSUS y CEUS de SLN (ganglios linfáticos) con diferentes características.
Logro 2: herramienta avanzada para el diagnóstico inteligente y la estratificación del riesgo de pólipos de la vesícula biliar Un estudio publicado en Insights into Imaging (IF 4.5) desarrolló un modelo de aprendizaje profundo integrativo (IDL) basado en ultrasonido en escala de grises e imagen de flujo sanguíneo Doppler color (CDFI). Este modelo no solo puede segmentar automática y precisamente la vesícula biliar, sino también distinguir eficazmente los pólipos no neoplásicos de los neoplásicos, así como los benignos de los malignos. Su rendimiento diagnóstico es excelente y, más importante aún, puede actuar como herramienta auxiliar para mejorar de manera significativa el nivel diagnóstico y la consistencia de los médicos ecografistas con menor experiencia. Se espera que reduzca los riesgos de sobretratamiento o diagnósticos omitidos derivados de decisiones basadas en un único criterio de tamaño (como 10 mm), proporcionando una base objetiva para la gestión individualizada y precisa de los pólipos de la vesícula biliar.
△ Rendimiento diagnóstico de cada modelo de aprendizaje profundo en el conjunto de validación.
△ Flujo de trabajo del modelo IDL
Contribución y significado clínico de MedAI En los estudios innovadores mencionados, el equipo de MedAI proporcionó apoyo clave en diseño de algoritmos, construcción y optimización de modelos. Mediante el uso de arquitecturas avanzadas de aprendizaje profundo, como la fusión bimodal y módulos de mecanismos de atención cruzada, logramos la extracción y la fusión eficaz de características profundas de imágenes de ultrasonido bimodales, lo que constituye el núcleo para que los modelos alcancen una alta precisión y una sólida capacidad de generalización. Estas dos iniciativas tienen un profundo significado clínico: combinan la inteligencia artificial con las exploraciones ecográficas convencionales y proporcionan herramientas de apoyo a la toma de decisiones mediante IA objetivas, repetibles y eficientes para resolver desafíos clínicos como la gestión axilar precisa del cáncer de mama y la estratificación del riesgo de pólipos de la vesícula biliar. Esto no solo contribuye a impulsar el desarrollo de la medicina de precisión, optimizar las estrategias terapéuticas y reducir procedimientos invasivos innecesarios y complicaciones quirúrgicas, sino que también mejora el nivel diagnóstico de los hospitales de atención primaria y beneficia a una población más amplia de pacientes. MedAI continuará comprometiéndose con la integración profunda de tecnologías de inteligencia artificial de vanguardia y necesidades clínicas, potenciando la imagen médica y contribuyendo a la medicina de precisión. Referencias:
1.Huang, D., Shi, Y., Cao, W., Feng, L., Luo, Y., Zhao, X., ... & Luo, J. (2026). Exempting axillary staging surgery in breast cancer using multimodal ultrasound imaging and radiomics of sentinel lymph nodes. EClinicalMedicine, 92. 2.Tang, C., Shi, Y., Wang, L., Zhao, X., Li, C., Guan, P., ... & Yuan, H. (2026). An integrative deep learning model based on dual-mode ultrasound for diagnosing gallbladder polyps. Insights into Imaging, 17(1), 32.
Redacción y maquetación丨Luo Chaoran, Huang Qian Diseño丨Huang Ruoxi Revisión丨Li Chunlei, Zhao Xing Mou Lichao, Chen Yonghong