La radiómica híbrida y el aprendizaje automático para la clasificación multitarea de tumores cerebrales: un estudio...

Área de la Ciencia:

• Radiología e imágenes médicas
• La inteligencia artificial en la medicina
• Patología computacional

Sus antecedentes:

• La clasificación precisa del tumor cerebral es crucial para la planificación del tratamiento.
• La interpretación manual por resonancia magnética es subjetiva y requiere mucho tiempo.
• Este estudio explora el aprendizaje automático para la clasificación objetiva de tumores.

Objetivo del estudio:

• Desarrollar y evaluar un modelo de aprendizaje automático para la clasificación de glioblastomas (GBM), meningiomas, metástasis cerebrales y controles normales (NC).
• Integrar las características radiómicas de las imágenes de resonancia magnética ponderadas T1 mejoradas por contraste para mejorar la precisión de la clasificación.

Principales métodos:

• Utilizó un conjunto de datos de 154 pacientes y 170 controles normales.
• Se aplicó el aumento de datos para abordar el desequilibrio de clase.
• Características radiómicas extraídas utilizando la Matriz de Coocurrencia de Nivel Gris (GLCM) y las transformaciones de Curvelet.
• Se ha realizado la selección de características con el operador de reducción y selección mínimos absolutos (LASSO) y el análisis de componentes principales (PCA).
• Entrenado y evaluado nueve clasificadores de aprendizaje automático.

Principales resultados:

• Random Forest y CatBoost lograron la mayor precisión (95,2%) utilizando las características seleccionadas por LASSO.
• La combinación de las características GLCM y Curvelet superó a los conjuntos de características individuales.
• La reducción de dimensionalidad basada en PCA también mostró un buen rendimiento.

Conclusiones:

• La integración de la radiómica Curvelet y GLCM con modelos optimizados de aprendizaje automático mejora significativamente la precisión del diagnóstico de tumores cerebrales.
• Este enfoque ofrece una herramienta valiosa para ayudar a los radiólogos en la clasificación precisa del tumor.