Home Bioingegneria L’intelligenza artificiale aiuta a fare la diagnosi istologica dei tumori

L’intelligenza artificiale aiuta a fare la diagnosi istologica dei tumori

628
0
Courtesy Philips

La Royal Philips, leader mondiale nella tecnologia sanitaria, ha annunciato nei giorni scorsi l’ultima versione di TissueMark, che ora supporta il rilevamento dell’area di interesse per la maggior parte dei test molecolari e aiuta i laboratori di ricerca a migliorare l’accuratezza della valutazione del tumore.

La nuova versione, è stata presentata al 30 ° Congresso Europeo di Patologia (ECP) 2018, di Euskalduna, sfrutta l’intelligenza artificiale per aiutare l’identificazione del tessuto tumorale della prostata e dell’ovaio.

Il cancro alla prostata è il secondo tumore più mortale per gli uomini e il tumore ovarico è il quinto più mortale per le donne. Data la gravità di questi due tumori, è sempre più importante che i patologi siano dotati della tecnologia di cui hanno bisogno per approfondire le loro ricerche in questi importanti settori. Le soluzioni computazionali innovative possono aiutare i patologi a migliorare l’efficienza nel contesto della ricerca, che alla fine aiuterà a supportare la medicina di precisione e ad aumentare la velocità e l’accuratezza della diagnosi.

Una diagnosi superveloce

Oltre a fornire indicazioni sul tumore per l’istologia polmonare, la citologia polmonare, campioni di tessuto del colon e mammario in 60 secondi, il software aggiornato TissueMark fornisce ora questa guida per immagini intere (WSI) del tessuto prostatico dell’adenocarcinoma e del carcinoma sieroso ovarico. Con questo aggiornamento, TissueMark presenta un portafoglio completo di applicazioni guidate dall’intelligenza artificiale per affrontare i tumori primari più importanti incontrati nei test di ricerca molecolare.

“L’uso di un microscopio per la stima del tumore è soggettivo e conduce ad un’elevata variabilità tra i patologi”, ha affermato Marlon Thompson, General Manager, Philips Digital & Computational Pathology. “Digitalizzando l’immagine del tessuto e analizzando l’immagine con un robusto software computazionale e algoritmi intelligenti, possiamo supportare meglio i flussi di lavoro dei patologi e aiutare i laboratori a migliorare la qualità e l’affidabilità, riducendo i costi e limitando il numero di test molecolari eseguiti con un contenuto insufficiente di tumore”.

 

 

LASCIA UN COMMENTO

Per favore inserisci il tuo commento!
Per favore inserisci il tuo nome qui