Evaluación radiómica temprana de la cardiotoxicidad posterior a la quimioterapia en pacientes con cáncer mediante...

Área de la Ciencia:

• Cardiología
• En el campo de la oncología
• Inteligencia artificial

Sus antecedentes:

• La cardiotoxicidad, una disfunción del músculo cardíaco, es un efecto secundario significativo de la quimioterapia y la radioterapia.
• La detección temprana de la cardiotoxicidad es crucial para manejar los resultados de los pacientes con cáncer.
• El análisis radiómico de la ecocardiografía ofrece un nuevo enfoque para evaluar la función cardíaca.

Objetivo del estudio:

• Para predecir la cardiotoxicidad en pacientes con cáncer sometidos a quimioterapia utilizando funciones de aprendizaje automático y radiómica interpretables.
• Identificar las características radiómicas clave que predicen la cardiotoxicidad inducida por la quimioterapia.
• Evaluar el rendimiento de los modelos de aprendizaje automático en la detección de cardiotoxicidad a partir de la ecocardiografía basal.

Principales métodos:

• Extrajo las características radiómicas de las imágenes basal de la ecocardiografía de 100 pacientes con cáncer.
• La cardiotoxicidad se define como una disminución de la fracción de eyección ventricular izquierda (FE) basada en el seguimiento de 12 meses.
• Se han desarrollado y validado modelos de aprendizaje automático (KNN, SVM) utilizando SHAP y PermFIT para determinar la importancia de las características.

Principales resultados:

• El 41% de los pacientes experimentó cardiotoxicidad dentro de los 12 meses.
• El modelo K-vecinos más cercanos (KNN) logró una precisión del 92% para la vista del eje corto.
• Los modelos Support Vector Machine (SVM) y KNN mostraron un alto rendimiento predictivo tanto para las vistas de eje corto como para las de 4 cámaras.

Conclusiones:

• Los modelos de aprendizaje automático interpretables que utilizan las características radiómicas de la ecocardiografía pueden predecir efectivamente la cardiotoxicidad.
• Las vistas de ecocardiografía de eje corto combinadas con el aprendizaje automático son particularmente prometedoras para el diagnóstico temprano de cardiotoxicidad.
• Este enfoque puede ayudar en el manejo proactivo de la salud cardíaca en pacientes con cáncer que reciben quimioterapia.