Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.
Please note that the MedImaging website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
Ampronix,  Inc

La radiómica predice los beneficios que los pacientes pueden obtener de la quimioterapia

Por el equipo editorial de Medimaging en español
Actualizado el 10 Apr 2019
Print article
Imagen: Los mapas de características radiológicas muestran las diferencias entre las lesiones en los respondedores y los que no responden en la TC pretratamiento (Fotografía cortesía de la Clínica Cleveland).
Imagen: Los mapas de características radiológicas muestran las diferencias entre las lesiones en los respondedores y los que no responden en la TC pretratamiento (Fotografía cortesía de la Clínica Cleveland).
Según un estudio nuevo, los datos recuperados de las imágenes de tomografía computarizada (TC) pueden ser capaces de predecir qué pacientes de cáncer de pulmón responderán a la quimioterapia.

Investigadores de la Universidad Case Western Reserve (CWRU; Cleveland, OH, EUA), la Clínica Cleveland (CC; OH, EUA) y otras instituciones, analizaron retrospectivamente datos de 125 pacientes con cáncer de pulmón no microcítico (CPNM) tratados con quimioterapia doble con platino basada en pemetrexed, para identificar el papel de las características de la textura de la radiómica, tanto dentro como fuera del nódulo, en la predicción del tiempo de progresión (TTP), la supervivencia global (SG) y la respuesta a la quimioterapia.

Los pacientes se dividieron al azar en dos conjuntos, con la restricción de que debía haber un número igual de respondedores y no respondedores en el conjunto de entrenamiento. El conjunto de entrenamiento comprendía 53 pacientes con CPNM, y el conjunto de validación comprendía 72 pacientes. Se utilizó un clasificador de aprendizaje automático entrenado, con características de textura radiológica extraídas de regiones intra y peritumorales de imágenes de TC sin contraste para predecir la respuesta a la quimioterapia. La firma de puntuación de riesgo radiómica se generó utilizando el operador de selección y contracción mínima absoluta, y también se evaluó la asociación de la firma radiómica con la TTP y la SG.

Los resultados mostraron que las características radiológicas derivadas del tumor y del área alrededor del tumor fueron capaces de diferenciar entre los pacientes que respondieron a la quimioterapia y los que no lo hicieron con una exactitud de 0,77. Además, las características radiológicas predijeron la TTP y la SG, y el análisis de la curva de decisión demostró que en términos de utilidad clínica, la firma de radiómica tenía un beneficio neto general más alto en la predicción de pacientes de alto riesgo que debían recibir tratamiento que las mediciones clínico-patológicas. El estudio fue publicado el 20 de marzo de 2019 en la revista Radiology: Artificial Intelligence.

“Este es el primer estudio que demuestra que los patrones de heterogeneidad o diversidad extraídos por computadora de fuera del tumor fueron predictivos de la respuesta a la quimioterapia”, dijo la coautora y autora principal, Mónica Khunger, MD, de la CC. “Esto es muy importante porque podría permitir predecir, antes de la terapia, qué pacientes con cáncer de pulmón probablemente respondan o no. Esto podría ayudar a identificar a los pacientes que probablemente no respondan a la quimioterapia para terapias alternativas como la radiación o la inmunoterapia”.

La radiómica es una extensión del diagnóstico asistido por computadora y se refiere a la cuantificación integral de los fenotipos tumorales mediante la extracción de un gran número de características de imagen cuantitativas para realizar minería de datos y medicina de precisión. En los últimos años, la radiografía ha extraído con éxito una variedad de características clínicamente relevantes, combinándolas en firmas, para determinar la probabilidad de malignidad de las lesiones de cáncer de mama identificadas.

Enlace relacionado:
Universidad Case Western Reserve
Clínica Cleveland



Print article
Radcal

Canales

Radiografía

ver canal
Imagen: Un estudio nuevo sugiere que proteger a los pacientes durante las radiografías de diagnóstico podría ser contraproducente (Fotografía cortesía de Rebecca Milman Marsh / Shutterstock).

Un nuevo estudio cuestiona los beneficios de proteger a los pacientes durante los exámenes de radiografía

Un estudio nuevo afirma que proteger a los pacientes durante las radiografías de diagnóstico proporciona beneficios insignificantes y aumenta los riesgos. Un estudio escrito por investigadores de la... Más

Ultrasonido

ver canal
Imagen: Las imágenes de flujo vectorial muestran un flujo de sangre en remolinos (Fotografía cortesía de Morten Jensen/ UARK).

La imagenología de flujo vectorial transtorácica permite visualizar los corazones pediátricos

Según un estudio nuevo, la tecnología de imágenes de flujo vectorial (IFV) podría mejorar la detección y el diagnóstico de la cardiopatía congénita (EC) en bebés y niños. Investigadores del Instituto... Más

Medicina Nuclear

ver canal
Imagen: La plataforma de radiocirugía giroscópica ZAP-X (Fotografía cortesía de ZAP Surgical Systems).

Una plataforma de radiocirugía giroscópica hace la ablación de tumores de cerebro

Una plataforma nueva de radioterapia (RT) administra radiocirugía estereotáctica de dosis altas (SRS) para extirpar de forma no invasiva los tumores cerebrales y otras afecciones intracraneales seleccionadas.... Más

TI en Imaginología

ver canal
Imagen: El software empresarial uPath proporciona mejores herramientas de patología digital (Fotografía cortesía de Roche).

Un software de patología digital mejora la eficiencia del flujo de trabajo

Una plataforma de software novedosa reduce drásticamente los tiempos de generación de imágenes, integra el análisis automatizado de imágenes y permite un mejor intercambio de casos entre patólogos.... Más

Industria

ver canal
Imagen: Se capacitó a un algoritmo inteligente en una red neuronal para reconocer la aparición del cáncer de mama en las imágenes de resonancia magnética. El algoritmo, descrito en el Simposio de Imágenes Mamarias SBI/ACR, utilizó el “Aprendizaje profundo”, una forma de aprendizaje automático, que es un tipo de inteligencia artificial (Fotografía cortesía de Sarah Eskreis-Winkler, M.D.).

Un algoritmo de IA detecta el cáncer de mama en las imágenes de resonancia magnética

Un equipo de investigadores del Centro de Cáncer Memorial Sloan Kettering (Nueva York, NY, EUA) capacitó a un algoritmo inteligente en una red neuronal para reconocer la aparición del cáncer de mama en... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.