Desbloquear el potencial de la radiómica en la identificación de patrones de fibrosis e inflamación en la enfermedad...

Área de la Ciencia:

• Radiología
• Inteligencia artificial
• Medicina de los pulmones

Sus antecedentes:

• Las enfermedades pulmonares intersticiales (ILD) presentan desafíos de diagnóstico debido a los patrones de imágenes que se superponen.
• La diferenciación de las enfermedades inflamatorias intestinales fibróticas es crucial para el tratamiento adecuado del paciente.
• La tomografía computarizada de alta resolución (HRCT) proporciona imágenes detalladas del pulmón, pero la interpretación puede ser compleja.

Objetivo del estudio:

• Desarrollar y validar una tubería de inteligencia artificial (IA) basada en la radiómica para diferenciar los patrones de ILD fibróticos e inflamatorios utilizando HRCT.
• Evaluar la capacidad del modelo de IA para distinguir entre la fibrosis pulmonar idiopática (FIP) y la neumonía intersticial no específica asociada a enfermedades del tejido conectivo (CTD-NSIP).
• Evaluar el rendimiento del modelo para diferenciar las enfermedades inflamatorias intestinales de las neumonías virales, como el COVID-19.

Principales métodos:

• Un estudio de un solo centro incluyó a 84 pacientes con ILD (50 IPF, 34 CTD-NSIP) y otros 50 con neumonía por COVID-19.
• Se utilizó el aprendizaje profundo para la segmentación semiautomática de las regiones ILD, seguido de una revisión manual.
• Se extrajeron 103 características radiómicas de regiones segmentadas y se entrenó un modelo XGBoost para la clasificación. Se utilizaron las explantaciones aditivas de SHapley (SHAP) para la interpretabilidad de las características.

Principales resultados:

• El modelo de IA logró una precisión promedio del conjunto de pruebas de 0,91 y un AUROC de 0,98 para distinguir los patrones de ILD fibróticos de inflamatorios.
• Las características radiómicas clave identificaron diferencias en la morfología pulmonar, la distribución de la intensidad y la heterogeneidad de la textura.
• El modelo diferenció el NSIP celular de la neumonía por COVID-19 con una precisión promedio de 0,89, observando patrones más uniformes en las ILD inflamatorias en comparación con la neumonía viral.

Conclusiones:

• La radiómica combinada con la IA explicable muestra una promesa significativa para apoyar el diagnóstico de las ILD.
• Este enfoque puede distinguir con precisión entre los patrones de ILD fibróticos e inflamatorios y diferenciar las ILD inflamatorias de las neumonías virales.
• Los hallazgos sugieren un potencial para mejorar la precisión del diagnóstico y el apoyo cuantitativo para el manejo personalizado de la ILD.