Herramienta de inteligencia artificial diagnostica la atrofia muscular en pacientes con cáncer de cabeza y cuello a partir de TC

Los cánceres de cabeza y cuello presentan un desafío de tratamiento importante, que a menudo requiere una combinación de cirugía, radiación y quimioterapia. Si bien estos tratamientos pueden ser eficaces para curar la enfermedad, también son conocidos por sus graves efectos secundarios. Una preocupación clave es el desarrollo de sarcopenia o atrofia muscular. Esta afección puede provocar dificultades para comer y beber, lo que provoca desnutrición y una cantidad de problemas, incluida la posible necesidad de una sonda de alimentación, una reducción de la calidad de vida e incluso una muerte más temprana. La detección temprana de la sarcopenia es esencial, pero tradicionalmente ha sido un proceso laborioso. Los médicos suelen evaluar la masa muscular mediante tomografías computarizadas (TC), ya sea del abdomen o del cuello. Dado que las TC del cuello son comunes en pacientes con cáncer de cabeza y cuello, ofrecen una oportunidad para la identificación e intervención tempranas de la sarcopenia. Sin embargo, el diagnóstico de sarcopenia a partir de estos estudios requiere de un experto especializado que pueda diferenciar el músculo de otros tejidos, un proceso que puede tardar hasta 10 minutos por cada exploración.

Investigadores del Instituto Oncológico Dana-Farber (Boston, MA, EUA) han desarrollado una herramienta de inteligencia artificial (IA) que puede diagnosticar de manera rápida y precisa la sarcopenia mediante tomografías computarizadas del cuello en pacientes con cáncer de cabeza y cuello. La aplicación de IA agiliza lo que de otro modo sería un proceso minucioso y propenso a errores humanos, realizando la evaluación en solo 0,15 segundos. El proceso de desarrollo comenzó entrenando el modelo de IA utilizando historias clínicas y tomografías computarizadas de 420 pacientes. Un experto evaluó manualmente la masa muscular de cada paciente en función de las exploraciones y calculó una puntuación de índice músculoesquelético (SMI). Estos datos se utilizaron para entrenar el modelo de aprendizaje profundo y se utilizó un segundo conjunto de datos para validar el rendimiento del modelo. Sorprendentemente, el modelo realizó evaluaciones clínicamente aceptables el 96,2 % de las veces.

La herramienta podría tener amplias aplicaciones clínicas. Los métodos actuales a menudo se basan en el índice de masa corporal (IMC) como indicador del deterioro de la salud relacionado con el tratamiento. Sin embargo, cuando el equipo comparó la eficacia del IMC y el SMI para predecir resultados deficientes, descubrieron que el SMI era un predictor superior, lo que sugiere que podría convertirse en una herramienta clínica importante. La introducción de la evaluación basada en IA significa que la sarcopenia podría monitorearse con frecuencia durante todo el tratamiento de un paciente. La detección temprana podría impulsar intervenciones como apoyo nutricional, medicación o fisioterapia, lo que podría mejorar los resultados generales. También podría influir en las decisiones de tratamiento desde el principio, ya que comprender la masa muscular de un paciente podría orientar una estrategia de tratamiento personalizada, quizás más suave.

“La sarcopenia es un indicador de que el paciente no se encuentra bien. Una herramienta en tiempo real que nos indique cuándo un paciente está perdiendo masa muscular nos impulsaría a intervenir y hacer algo de apoyo para ayudar”, dijo el autor principal Benjamin Kann, MD, oncólogo radioterápico del Departamento de Oncología Radioterápica del Centro Oncológico Dana-Farber Brigham. 

Enlaces relacionados:
Instituto Oncológico Dana-Farber  

Visitar la expo >

Miembro Oro

Solid State Kv/Dose Multi-Sensor

AGMS-DM+

DR Flat Panel Detector

1500L

Ultrasound Software

UltraExtend NX

PACS Workstation

CHILI Web Viewer