MedCagnetics, con sede en Texas, recibió la aprobación 510(k) de la FDA para su software de detección de cáncer de mama QmTRIAGE impulsado por IA.
QmTRIAGE utiliza inteligencia artificial para analizar exámenes de mamografía digital 2D de campo completo y marcar aquellos indicativos de anomalías para que los revisen los radiólogos.
El software de MedCognetics utiliza conjuntos de datos seleccionados de datos clínicos no identificados de UT Southwestern Medical Center en Dallas y propiedad intelectual del Laboratorio de Tecnología de Calidad de Vida en UT Dallas para mejorar la detección temprana del cáncer de mama.
UT Southwestern Medical Center y UT Dallas tienen intereses en la empresa.
“MedCognetics se compromete a aprovechar nuestra tecnología para ayudar a mejorar los resultados en un grupo diverso de pacientes y, para hacerlo, se ha asociado con la Universidad de Texas en Dallas y el Centro Médico de la Universidad de Texas Southwestern (UTSW) para abordar estas disparidades. Además de esto”, la alta precisión de detección de nuestro software ayuda a reducir el tiempo de revisión por parte de los radiólogos, otro componente clave para mejorar los resultados. La autorización de la FDA es un primer paso muy importante para nosotros mientras trabajamos para expandirnos a otros ámbitos del cáncer”, dijo Debasish Nag, director ejecutivo de MedCognetics, en un comunicado.
LA MAYOR TENDENCIA
El gigante tecnológico Google ha desarrollado una tecnología de mamografía impulsada por IA que redujo la tasa de falsos positivos y falsos negativos, superando a los radiólogos en un estudio publicado en Nature en 2020.
El mes pasado, la empresa de tecnología médica iCAD anunció que incorporaría la tecnología de inteligencia artificial para mamografías de la subsidiaria Alphabet en sus soluciones de imágenes mamarias en virtud de un acuerdo de comercialización y desarrollo estratégico, que lleva la tecnología de Google a la práctica clínica.
Con el uso creciente de la IA en el cuidado de la salud, los expertos han reiterado la importancia de que las organizaciones se aseguren de que no haya sesgos en sus datos al incluir personas de diversos orígenes en los conjuntos de datos.
Un estudio publicado a principios de este año en el Journal of the American Medical Informatics Association encontró que los modelos de IA que funcionan bien para un grupo de personas pueden fallar para otros grupos; por lo tanto, los sesgos en la IA y el aprendizaje automático requieren un enfoque holístico que requiere numerosas perspectivas para abordar.
[ad_2]