Philips está desenvolvendo algoritmos e IAs para diagnosticar câncer
Por

Com
o aumento da expectativa de vida na população mundial, é de se esperar
que a prevalência de doenças associadas com a idade avançada, como o
câncer, também aumente. Por isso mesmo, a Philips está investindo em
tecnologia para aprimorar a detecção da doença.
Um
dos pontos cruciais no tratamento e prognóstico do câncer é o
diagnóstico precoce. Com o aumento de 70% no número de novos casos só
nos Estados Unidos, a medicina luta contra o tempo para aumentar a
eficiência nos métodos de detecção, além de maiores precisão e agilidade
no diagnóstico por parte dos médicos patologistas.

A
Philips saiu na frente e investe na Patologia Digital Computacional
desde 2017, uma tecnologia que permite que médicos patologistas façam
diagnósticos a partir de imagens e dados digitais com maior eficiência,
por permitir a análise multidisciplinar entre vários profissionais.
Além
de contar com suporte a profissionais de saúde, esse sistema também
aposta no aprendizado de máquina e algoritmos para auxiliar médicos na
avaliação de tumores a partir de imagens de exames patológicos e dados
do perfil molecular das células tumorais.
A
Inteligência Artificial já é uma aliada da medicina há alguns anos,
especialmente quando se fala de diagnóstico por imagem - uma das
principais ferramentas na detecção do câncer. A partir da avaliação de
padrões em imagens, IAs conseguiram identificar tumores de mama com 100%
de eficiência, segundo um estudo da Case Western Reserve University.
Todo
esse trabalho depende da parceria entre as empresas que desenvolvem as
tecnologias, formadores de opinião da área e instituições de saúde, para
que grandes conjuntos de dados diagnósticos sejam oferecidos às IAs
para o aprendizado e construção de algoritmos. O desafio agora é
garantir a introdução desses métodos na prática clínica com segurança
para acelerar e ampliar a precisão do diagnóstico do câncer.
Fonte(s): The Next Web
Fonte: Tecmundo
Comentários
Postar um comentário
Todas postagem é previamente analisada antes de ser publicada.