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 IA combina pruebas de sangre y análisis de TC para predecir respuesta a terapia en pacientes con cáncer de ovario

Por el equipo editorial de MedImaging en español
Actualizado el 08 Dec 2023
Print article
Imagen: La inteligencia artificial predice las respuestas a la terapia para el cáncer de ovario (Fotografía cortesía de 123RF)
Imagen: La inteligencia artificial predice las respuestas a la terapia para el cáncer de ovario (Fotografía cortesía de 123RF)

El cáncer de ovario afecta anualmente a miles de mujeres y muchos diagnósticos se producen en etapas avanzadas debido a síntomas tempranos sutiles. El carcinoma de ovario seroso de alto grado, que representa entre el 70 % y el 80 % de los casos de cáncer de ovario, es particularmente agresivo y a menudo resistente a la quimioterapia. Los métodos actuales para predecir la respuesta a la terapia en estos tumores tienen una precisión de sólo alrededor del 50 %. La complejidad y diversidad de la enfermedad entre las personas ha dificultado encontrar biomarcadores fiables. Ahora, los investigadores han desarrollado una herramienta basada en inteligencia artificial (IA) para mejorar la precisión de la predicción de las respuestas a la quimioterapia en pacientes con cáncer de ovario.

La herramienta, llamada IRON (siglas en inglés para Radiogenómica Integrada para la Terapia Neoadyuvante Ovárica), fue desarrollada por investigadores de la Universidad Católica del Sagrado Corazón (Milán, Italia). IRON analiza una variedad de características clínicas, incluido el ADN tumoral circulante a partir de muestras de sangre (biopsia líquida), datos demográficos del paciente (edad, estado de salud, etc.), marcadores tumorales e imágenes de tomografía computarizada. Luego predice la probabilidad de un resultado terapéutico exitoso, específicamente la reducción volumétrica de las lesiones tumorales. Sorprendentemente, IRON puede predecir los resultados de la terapia con una tasa de precisión del 80 %, una mejora significativa con respecto a los métodos clínicos existentes.

Para su investigación, el equipo recopiló dos conjuntos de datos que comprenden 134 pacientes en total, 92 en el primer conjunto de datos y 42 en un conjunto de validación separado. Recopilaron datos clínicos completos de estos pacientes, incluida información demográfica, especificaciones del tratamiento, biomarcadores sanguíneos como CA-125 y ADN tumoral circulante. Además, recopilaron detalles cuantitativos de tomografías computarizadas de todos los sitios de tumores primarios y metastásicos. En particular, se observó que los sitios omental y pélvico/ovárico, donde comúnmente se propaga el cáncer de ovario, soportan inicialmente la mayor parte de la carga de enfermedad. Se encontró que los depósitos omentales respondieron mejor a la terapia neoadyuvante en comparación con la enfermedad pélvica.

Los investigadores también examinaron mutaciones tumorales (como TP53 MAF en el ADN circulante) y el marcador CA-125 en relación con la carga general de enfermedad antes del tratamiento y la respuesta a la terapia. El análisis avanzado de imágenes de tomografía computarizada identificó seis subgrupos de pacientes, cada uno con características biológicas y clínicas únicas que indican su respuesta a la terapia. Estas características del tumor se incorporaron a algoritmos de IA, creando un modelo integral. Después de ser entrenado, la efectividad del modelo se validó utilizando una muestra de pacientes independiente, lo que demuestra su potencial para mejorar las estrategias de tratamiento del cáncer de ovario.

"Desde una perspectiva clínica, el marco propuesto aborda la necesidad insatisfecha de identificar tempranamente a los pacientes que probablemente no respondan a la terapia neoadyuvante y puedan ser dirigidos a una intervención quirúrgica inmediata", afirmó la profesora Evis Sala, quien coordinó el estudio.

Enlaces relacionados:
Universidad Católica del Sagrado Corazón  

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Miembro Oro
Radiation QA Tool
Accu-Gold 3
New
Thyroid Shield
Standard Thyroid Shield
New
Crossover Angiography System
Trinias C16/C12/F12 Unity Smart Edition

Print article
Radcal

Canales

Radiografía

ver canal
Imagen: Un nuevo estudio probó una variedad de algoritmos de IA cara a cara en condiciones similares (Fotografía cortesía de 123RF)

IA supera a lectores humanos en detección de nódulos pulmonares en rayos X

Actualmente, más de 150 productos de software basados en inteligencia artificial (IA) están disponibles en el mercado europeo para radiología, y muchos de ellos abordan casos de uso similares.... Más

RM

ver canal
Imagen: La IA puede predecir si los pacientes con cáncer cerebral sobrevivirán más de 8 meses después de recibir tratamiento con radioterapia (Fotografía cortesía de KCL)

IA predice sobrevivientes de cáncer cerebral dentro de ocho meses de radioterapia mediante RM

El glioblastoma, un cáncer cerebral primario en adultos particularmente difícil de tratar, tiene una tasa de supervivencia baja: solo uno de cada cuatro pacientes vive más de un año... Más

Medicina Nuclear

ver canal
Imagen: Un agente de imágenes PET recientemente desarrollado es efectivo para identificar el cáncer medular de tiroides (Fotografía cortesía de 123RF)

Nuevo trazador PET mejora detección de lesiones en cáncer medular de tiroides

El cáncer medular de tiroides (CMT) representa aproximadamente el 3 % de todos los casos de cáncer de tiroides y es notablemente raro. Surge de células diferentes en comparación... 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.