IA predice riesgo de recurrencia del cáncer de pulmón mediante tomografías computarizadas

El cáncer de pulmón de células no pequeñas (CPCNP) representa casi cinco sextos (85 %) de los casos de cáncer de pulmón y, cuando se detecta a tiempo, la enfermedad suele ser curable. Sin embargo, más de un tercio (36 %) de los pacientes con CPCNP en el Reino Unido experimentan una reaparición del cáncer, lo que se conoce como recurrencia. Según los últimos resultados de un estudio, la inteligencia artificial (IA) podría ayudar a identificar el riesgo de que el cáncer regrese en pacientes con CPCNP mediante tomografías computarizadas.

La última fase del estudio OCTAPUS-AI dirigido por investigadores de The Royal Marsden NHS Foundation Trust (Londres, Reino Unido) utilizó imágenes y datos clínicos de más de 900 pacientes con CPCNP del Reino Unido y los Países Bajos después de radioterapia curativa para desarrollar y probar algoritmos de aprendizaje automático (ML) para ver con qué precisión los modelos podrían predecir la recurrencia. Se utilizó una medida conocida como “área bajo la curva” (AUC) para expresar la efectividad de esta herramienta. Un AUC de uno significa que el sistema siempre es correcto; 0,5 es el puntaje que esperaría si fuera una suposición aleatoria y cero significa que siempre está equivocado.

Los datos de imágenes se tomaron de las tomografías computarizadas de planificación del tratamiento, que todos los pacientes con CPCNP realizan antes de la radioterapia. Para analizar estos datos, los investigadores utilizaron una técnica llamada radiómica, que puede extraer información de pronóstico sobre la enfermedad del paciente a partir de imágenes médicas que el ojo humano no puede ver. Los datos de esta técnica también pueden vincularse potencialmente con marcadores biológicos. Como resultado, los investigadores creen que la radiómica podría ser una herramienta útil tanto para personalizar la medicina como para mejorar la vigilancia posterior al tratamiento.

Los resultados del estudio revelan que el modelo de los investigadores fue mejor para identificar correctamente qué pacientes con CPCNP tenían un mayor riesgo de recurrencia dentro de los dos años posteriores a la finalización de la radioterapia, que un modelo basado en el sistema de estadificación TNM. Este modelo logró un AUC de 0,738, mejorando la técnica de estadificación TNM tradicional que obtuvo una puntuación de 0,683. TNM, que describe la cantidad y la propagación del cáncer en el cuerpo de un paciente, es actualmente el estándar de oro para predecir el pronóstico de los pacientes con cáncer.

“Si bien se encuentra en una etapa muy temprana, este trabajo sugiere que nuestro modelo podría ser mejor para predecir correctamente el nuevo crecimiento del tumor que los métodos tradicionales. Esto significa que, al usar nuestra tecnología, los médicos pueden eventualmente identificar la recurrencia antes en pacientes de alto riesgo”, dijo el líder del estudio, el Dr. Sumeet Hindocha, registrador especialista en oncología clínica en The Royal Marsden NHS Foundation Trust y miembro de investigación clínica en el Colegio Imperial de Londres. “A continuación, queremos explorar técnicas de aprendizaje automático más avanzadas, como el aprendizaje profundo, para ver si podemos obtener resultados aún mejores. Luego queremos probar este modelo en pacientes con CPCNP recién diagnosticados y seguirlos para ver si el modelo puede predecir con precisión su riesgo de recurrencia”.

Enlaces relacionados:
The Royal Marsden NHS Foundation Trust  

Visitar la expo >

Miembro Oro

Solid State Kv/Dose Multi-Sensor

AGMS-DM+

New

Enterprise Imaging & Reporting Solution

Syngo Carbon

Ultrasound Doppler System

Doppler BT-200

New

Ultrasound Table

Powered Ultrasound Table-Flat Top