- ASI ha anunciado la introducción de un nuevo modelo de detección de tumores de patología que podría detectar la metástasis de los ganglios linfáticos.
- Actualmente, se informa que la detección requiere mucho tiempo y es intensivo en el trabajo, ya que implica un gran volumen de “datos de diapositivas histológicas” y el análisis de las imágenes de gigapíxeles.
La Alianza de Superinteligencia Artificial (ASI) ha hecho un gran avance en la ciencia, ya que revela una herramienta especializada de inteligencia artificial (IA) que avanza significativamente el estado de la tecnología automatizada de detección del cáncer. En el anuncio hecho en X, se informó que esta herramienta era una adición importante a la familia de modelos Medici.
Al profundizar en esto, encontramos que la herramienta AI, que se clasifica bajo el modelo de detección de tumores de patología, funciona dentro de la misma frecuencia y en sinergia con ASI: uno. Fascinantemente, ASI: uno también fue introducido por Fetch.ai en febrero para redefinir la IA agente con capacidades poderosas, como se discutió anteriormente.
El último modelo de detección de tumores de patología, a diferencia de los anteriores, está diseñado específicamente para detectar “metástasis de ganglios linfáticos” en pacientes con cáncer. Médicamente, esta terminología explica “la propagación de las células cancerosas desde un tumor primario hacia los ganglios linfáticos cercanos”.
En un estudio basado en la población realizado en 2023, se informó que el 26% de los pacientes con cáncer de mama de 250,000 casos analizados tenían enfermedad de ganglios linfáticos positivos. Mientras tanto, el volumen de “datos de diapositivas histológicas” y las dificultades para analizar las “imágenes de gigapixel” no solo hacen que su detección requiere mucho tiempo sino que también sea intensivo en el trabajo.
Con respecto a esto, ASI destacó en su informe que la detección automatizada de metástasis en los ganglios linfáticos podría potencialmente someter el diagnóstico de cáncer a una transformación significativa.
Este desafío se ve exacerbado por el riesgo de mala interpretación, lo que puede comprometer el diagnóstico y las decisiones de tratamiento relacionadas. Sin embargo, los avances recientes en la patología digital, particularmente en el análisis automatizado que utilizan modelos de aprendizaje profundo, están preparados para abordar estos problemas.
Según el informe, la herramienta también se dirige a un desafío médico subyacente con pacientes con cáncer de mama, así como las implicaciones para sus resultados y decisiones de tratamiento.
Un extracto del informe también dice:
A medida que los sistemas de salud en todo el mundo lidian con el aumento de las tasas de incidencia de cáncer y la escasez de patólogos persistentes, las soluciones con IA ofrecen una vía para mejorar las capacidades de diagnóstico, una mejor eficiencia y, en última instancia, una mejor atención al paciente a través de una estadificación y planificación del tratamiento de cáncer más precisa.
Cómo la IA especializada de la ASI podría afectar a la industria de la salud
En el informe, ASI destacó cinco formas en que su modelo de detección de tumores de Patología Medici podría afectar la oncología y la patología. En primer lugar, se afirmó que la nueva herramienta de detección mejoraría significativamente la precisión del diagnóstico. Además, mejoraría la eficiencia del flujo de trabajo y también aceleraría la investigación. Además de estos, transformaría la planificación del tratamiento y fomentaría la estandarización clínica.
Además de estos, su implementación se divulgó para enfrentar ciertos desafíos, incluidos los requisitos de capacitación, la infraestructura técnica, las limitaciones del modelo, etc.
En medio del telón de fondo de esto, Fetch.ai también ha integrado herramientas avanzadas como Agentverse, DeltaV y el motor AI para mejorar la navegación y consolidar su posición como líder en soluciones de blockchain relacionadas con la IA, como exploramos en nuestro artículo anterior.
Después de este informe, FET registró un 11% Surge en su tabla de precios de 24 horas y un 37% Surge en su tabla de siete días. Como se destacó recientemente en nuestro análisis, el token estaba rondando el nivel de $ 0.8 el 20 de abril antes de que la liquidación del mercado amplio forzara una caída por debajo del nivel actual.
