Video Experimental Relacionado
Updated: May 13, 2026

Patient-derived Orthotopic Xenograft Models for Human Urothelial Cell Carcinoma and Colorectal Cancer Tumor Growth and Spontaneous Metastasis
Published on: May 12, 2019
Un modelo de aprendizaje profundo de fusión de múltiples datos para la predicción del pronóstico en el carcinoma
Hongdi Sun1, Siping Chen2, Yongxing Bao3
1Department of Hematology, The Third Clinical Institute Affiliated to Wenzhou Medical University (Wenzhou People's Hospital), Wenzhou, Zhejiang, China.
Un nuevo modelo de aprendizaje profundo que integra imágenes de TC y datos clínicos predice con precisión los resultados para pacientes con carcinoma urotelial del tracto superior (UTUC). Esta herramienta avanzada ayuda en la estratificación personalizada del riesgo y la planificación del tratamiento para esta malignidad urinaria rara.
Área de la Ciencia:
- Urología
- Imágenes médicas
- Inteligencia artificial
Sus antecedentes:
- El carcinoma urotelial del tracto superior (UTUC) es un cáncer urinario raro y agresivo.
- UTUC tiene una alta tasa de recurrencia después de la cirugía.
- La predicción precisa del pronóstico es crucial para el manejo del paciente.
Objetivo del estudio:
- Desarrollar y validar un modelo de aprendizaje profundo multimodal para predecir los resultados de los pacientes con UTUC.
- Comparar el rendimiento del modelo con los modelos unimodal y los parámetros clínicos tradicionales.
- Identificar los predictores clave del pronóstico mediante el análisis de la importancia de las características.
Principales métodos:
- Análisis retrospectivo de 133 pacientes con UTUC sometidos a nefrorrectomía radical.
- Desarrollo del clasificador multimodal de imágenes y combinación clínica (MICC) que integra imágenes de TC y datos clínicos.
- Comparación con modelos basados en CT (ImageNet) y en datos clínicos (ClinicalNet), y estadio T patológico.
- Evaluación de la importancia de las características mediante explantaciones aditivas de SHapley (SHAP).
Principales resultados:
- El modelo MICC demostró una precisión de pronóstico superior (AUC 0.918 entrenamiento, 0.895 pruebas) en comparación con los modelos unimodal.
- Se obtuvieron métricas de clasificación altas: precisión 0,854, sensibilidad 0,889, especificidad 0,836.
- Las características de las imágenes de TC fueron identificadas como los predictores más significativos por el análisis SHAP.
Conclusiones:
- El modelo MICC predice con precisión el pronóstico para los pacientes con UTUC mediante la integración de imágenes de TC en múltiples fases y datos clínicos.
- Este enfoque puede ayudar a los médicos en la estratificación personalizada del riesgo y la planificación del tratamiento.
- Se anticipan mejores resultados para los pacientes a través de una mejor predicción del pronóstico.
Videos de Conceptos Relacionados
Mouse Models of Cancer Study
The development of transgenic, knockout, and knock-in mice has led to an exponential increase in their use as model organisms in research,...
Ureters

