Herramienta de IA ofrece pronóstico para pacientes con cáncer de cabeza y cuello

El cáncer orofaríngeo es un tipo de cáncer de cabeza y cuello que puede propagarse a través de los ganglios linfáticos, lo que afecta significativamente la supervivencia y las decisiones de tratamiento. Las terapias actuales suelen incluir combinaciones de cirugía, radioterapia y quimioterapia, que pueden ser difíciles de tolerar y dejar efectos secundarios duraderos. Un desafío importante para los médicos es identificar qué pacientes son propensos a experimentar una propagación agresiva de la enfermedad antes de comenzar el tratamiento. hora, los investigadores han desarrollado un enfoque no invasivo basado en inteligencia artificial (IA) que puede predecir la probabilidad de propagación del cáncer utilizando imágenes de rutina, ayudando a orientar las decisiones sobre la intensidad del tratamiento en etapas más tempranas de la atención.

En una investigación dirigida por Mass General Brigham (Boston, MA, EUA), en colaboración con el Instituto Oncológico Dana-Farber (Boston, MA, EUA), el equipo desarrolló un modelo de IA diseñado para analizar tomografías computarizadas (TC) estándar obtenidas durante la evaluación oncológica rutinaria. Esta herramienta de IA se centra en la detección de la extensión extranodal patológica (ENE), una afección en la que las células cancerosas se propagan más allá de los ganglios linfáticos hacia el tejido circundante. La ENE es un marcador pronóstico crucial, pero actualmente solo se confirma tras la extirpación quirúrgica y el examen de los ganglios linfáticos, lo que limita su utilidad en la planificación pretratamiento.

Utilizando datos de imágenes de TC, el modelo de IA predice el número de ganglios linfáticos afectados por ENE antes de cualquier intervención quirúrgica. Esta información proporciona un indicador temprano de la agresividad del cáncer y de si es probable que un paciente se beneficie de una terapia intensiva o si podría someterse de forma segura a un tratamiento menos intensivo. Al integrar las predicciones basadas en imágenes con los factores de riesgo clínicos existentes, la herramienta ofrece una evaluación más precisa y personalizada del comportamiento de la enfermedad sin necesidad de procedimientos invasivos.

Los investigadores evaluaron la herramienta de IA mediante tomografías computarizadas de 1.733 pacientes con carcinoma orofaríngeo. El modelo identificó con éxito a los pacientes con mayor riesgo de propagación incontrolada del cáncer y peores resultados de supervivencia. Al combinar las predicciones de ENE derivadas de la IA con sistemas de estadificación clínica establecidos, la estratificación general del riesgo mejoró, lo que permitió predicciones más precisas del pronóstico de los pacientes.

Los hallazgos, publicados en el Journal of Clinical Oncology, podrían ayudar a los médicos a determinar qué pacientes podrían beneficiarse de tratamientos multimodales agresivos, como la quimioterapia combinada, la radioterapia o la inmunoterapia. A la inversa, también podrían identificar a los pacientes aptos para la desintensificación del tratamiento, como la cirugía sola, lo que reduciría la toxicidad innecesaria. De cara al futuro, los investigadores sugieren que este biomarcador basado en IA podría incorporarse en futuros sistemas de estadificación y flujos de trabajo para la toma de decisiones clínicas, así como utilizarse para seleccionar pacientes para ensayos clínicos que evalúen nuevas estrategias de tratamiento.

“Nuestra herramienta puede ayudar a identificar qué pacientes deberían recibir múltiples intervenciones o serían candidatos ideales para ensayos clínicos con estrategias intensivas como inmunoterapia o quimioterapia adicional”, afirmó el Dr. Benjamin Kann, autor principal. “Nuestra herramienta también puede ayudar a identificar qué pacientes deberían someterse a una desintensificación del tratamiento, como la cirugía únicamente”.

Enlaces relacionados:
Mass General Brigham
Instituto de Cáncer Dana-Farber

Visitar la expo >

Floor‑Mounted Digital X‑Ray System

MasteRad MX30+

Digital Color Doppler Ultrasound System

MS22Plus

Multi-Use Ultrasound Table

Clinton

Computed Tomography System

Aquilion ONE / INSIGHT Edition