Una herramienta de apoyo a la decisión basada en el aprendizaje automático para estandarizar la selección de la...

Área de la Ciencia:

• Física médica
• En el campo de la oncología
• Aprendizaje automático

Sus antecedentes:

• La braquiterapia de alta dosis (HDR) es crucial para el tratamiento del cáncer cervical.
• La selección de la técnica de estandarización entre la braquiterapia intracavitaria (ICBT) y la braquiterapia híbrida intracavitaria / intersticial (IC / ISBT) es un desafío.
• La variabilidad entre médicos puede afectar los resultados del tratamiento.

Objetivo del estudio:

• Desarrollar y evaluar una herramienta de apoyo a la toma de decisiones basada en el aprendizaje automático.
• La herramienta tiene como objetivo estandarizar la selección entre ICBT e IC/ISBT para el tratamiento del cáncer cervical HDR.
• Mejorar la consistencia en la aplicación de la técnica de braquiterapia.

Principales métodos:

• Análisis retrospectivo de 159 planes de braquiterapia HDR de 50 pacientes.
• Extracción de 144 rasgos geométricos de planos de braquiterapia guiados por imágenes tridimensionales basadas en TC/IRM.
• Utilizó la validación cruzada anidada con múltiples clasificadores y conjuntos de votación para el desarrollo de modelos.

Principales resultados:

• El modelo de regresión logística logró la mayor precisión (0,849) y el AUC (0,903).
• El rendimiento de la herramienta ML fue comparable a las reglas de un solo factor existentes.
• Las características clave que influyeron en las decisiones incluyeron la distancia lateral en tándem HR-CTV y la longitud del eje corto de la vejiga.

Conclusiones:

• Una herramienta compacta de ML puede ayudar de manera confiable a los médicos a seleccionar entre ICBT e IC/ISBT.
• La herramienta aprovecha dos características geométricas fácilmente medibles para apoyar la toma de decisiones.
• La implementación puede reducir la variabilidad entre médicos y promover la braquiterapia cervical HDR estandarizada.