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
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Modelo de aprendizaje automático combina biomarcadores de metilación del ADN, clínicos y de imágenes para detección temprana del cáncer de pulmón

Por el equipo editorial de MedImaging en español
Actualizado el 22 Aug 2023
Print article
Imagen: Un modelo combinado de aprendizaje automático permite una clasificación precisa de nódulos pulmonares (Fotografía cortesía de Freepik)
Imagen: Un modelo combinado de aprendizaje automático permite una clasificación precisa de nódulos pulmonares (Fotografía cortesía de Freepik)

El cáncer de pulmón es responsable de un número significativo de muertes relacionadas con el cáncer en todo el mundo. Aunque varios tratamientos, entre ellos la quimioterapia, la inmunoterapia y la cirugía, han progresado, el panorama general para los pacientes con cáncer de pulmón sigue siendo sombrío. Esto se debe principalmente a un diagnóstico tardío, a menudo en las etapas III o IV, cuando la tasa de supervivencia a cinco años cae por debajo del 10 %. La detección temprana en las etapas 0 a II podría reducir significativamente la mortalidad, pero la falta de tecnologías sensibles y síntomas perceptibles en las primeras etapas presenta desafíos sustanciales.

Los biomarcadores de metilación del ácido desoxirribonucleico (ADN) han demostrado potencial para la detección temprana del cáncer de pulmón, ya que indican eventos relacionados con el inicio del tumor. El uso de métodos de secuenciación de próxima generación para identificar patrones de metilación en el ADN tumoral circulante podría permitir la detección no invasiva del cáncer de pulmón. Si bien la tomografía computarizada de baja dosis (TCBD) ha sido eficaz en la detección temprana entre los grupos de alto riesgo, determinar el riesgo de malignidad de los nódulos pulmonares mediante TCBD sigue siendo un desafío. Ahora, los investigadores han desarrollado y validado un modelo combinado de aprendizaje automático que comprende biomarcadores de metilación del ADN extracelular, clínicos y de imágenes que mejora la clasificación de los nódulos pulmonares y permite un diagnóstico más temprano del cáncer de pulmón.

En el nuevo estudio, investigadores de la Universidad Médica de Guangzhou (Guangzhou, China) desarrollaron un modelo combinado de biomarcadores clínicos y de imagen (CIBM) que utiliza algoritmos de aprendizaje automático para diferenciar nódulos pulmonares malignos y benignos. Cuando se integra con PulmoSeek, un modelo de metilación del ADN extracelular preexistente, el modelo CIBM puede identificar nódulos de pequeño tamaño para diagnosticar el cáncer de pulmón en sus etapas iniciales. Para su estudio, los investigadores inscribieron participantes de 18 años o más, con tipos específicos de nódulos pulmonares, en 20 ciudades chinas. Utilizando más de 800 muestras, los investigadores entrenaron el algoritmo de aprendizaje automático del modelo CIBM para distinguir entre tumores benignos y malignos. Luego, este modelo CIBM se integró con PulmoSeek para crear PulmoSeek Plus, un modelo de diagnóstico combinado. Utilizando el análisis de la curva de decisión, el equipo evaluó su aplicación clínica y clasificó los nódulos en grupos de riesgo. El objetivo era evaluar el desempeño y la capacidad de diagnóstico de tres modelos: PulmoSeek, CIBM y PulmoSeek Plus.

Los resultados mostraron que PulmoSeek Plus tiene potencial para  diagnosticar exitosamente la etapa temprana de nódulos pulmonares benignos o malignos. Utilizado junto con TCBD, este modelo podría ser una herramienta poderosa en la evaluación clínica temprana del cáncer de pulmón. La combinación de CIBM con el modelo PulmoSeek aumentó la sensibilidad de la clasificación de nódulos en un 6 % y el valor predictivo negativo en un 24 %. Además, el desempeño del modelo se mantuvo sólido en los diferentes tipos, tamaños y etapas de nódulos pulmonares, con sensibilidades de caracterización para nódulos en etapa temprana y pequeños de 0,98 y 0,99, respectivamente. Particularmente notable fue su sensibilidad de caracterización del 100 % para nódulos subsólidos, que normalmente son difíciles de categorizar utilizando solo TCBD. La creación del modelo PulmoSeek Plus marca un avance significativo en la detección temprana del cáncer de pulmón. Dado que únicamente requiere muestras de sangre e imágenes de tomografía computarizada no invasivas, el modelo ofrece un enfoque eficiente y prometedor que podría cambiar fundamentalmente la forma en que se diagnostica y trata el cáncer de pulmón.

Enlaces relacionados:
Universidad Médica de Guangzhou  

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
CT Phantom
CIRS Model 610 AAPM CT Performance Phantom
New
Remote Controlled Digital Radiography and Fluoroscopy System
Eco Track-DRF - MARS 50/MARS50+/MARS 65/MARS 80
New
Fetal Monitor
Avante Compact II

Print article
Radcal

Canales

Radiografía

ver canal
Imagen: La IA analiza imágenes térmicas de teléfonos inteligentes para producir predicciones del riesgo de cáncer de mama (foto cortesía de Thermaiscan Technology)

Solución portátil de imágenes térmicas impulsada por IA podría complementar la mamografía

El cáncer de mama sigue siendo un importante problema de salud mundial para las mujeres, con tasas de incidencia y mortalidad cada vez mayores. En muchos países de ingresos bajos y medianos,... Más

Ultrasonido

ver canal
Imagen: El parche de ultrasonido se puede usar en la sien para proporcionar un monitoreo continuo del flujo sanguíneo en el cerebro (Foto cortesía de David Baillot/UC San Diego Jacobs School of Engineering)

Parche ultrasónico portátil monitorea de forma continua el flujo sanguíneo cerebral.

El método clínico estándar para monitorear el flujo sanguíneo cerebral, la ecografía Doppler transcraneal, depende de que un técnico capacitado sostenga una sonda... Más

Medicina Nuclear

ver canal
Imagen:  Los investigadores han identificado un nuevo biomarcador de imágenes para las respuestas tumorales a la terapia con ICI (foto cortesía de 123RF)

Nuevo biomarcador PET predice el éxito de inmunoterapia con inhibidores de puntos de control

Las inmunoterapias, como los inhibidores de puntos de control (ICI, sus siglas en inglés), han mostrado resultados clínicos prometedores en el tratamiento del melanoma, el cáncer de... Más

TI en Imaginología

ver canal
Imagen: La nueva Medical Imaging Suite hace que los datos de imágenes de atención médica sean más accesibles, interoperables y útiles (Fotografía cortesía de Google Cloud)

Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles

Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.