Modelos basados en el aprendizaje automático y la radiómica: ¿pueden ser predictores confiables para la recurrencia...

Área de la Ciencia:

• Neuro-oncología
• La inteligencia artificial médica
• Precisión del diagnóstico

Sus antecedentes:

• La predicción de la recurrencia del meningioma es crucial para los resultados del paciente y la personalización del tratamiento.
• Los métodos tradicionales se enfrentan a desafíos para predecir con precisión la recurrencia.
• La inteligencia artificial (IA) ofrece un nuevo enfoque mediante la integración de datos clínicos, radiológicos y patológicos.

Objetivo del estudio:

• Revisar y metaanalizar sistemáticamente el rendimiento diagnóstico de los modelos de IA para predecir la recurrencia del meningioma.
• Evaluar la precisión, la sensibilidad, la especificidad y otras métricas clave de la predicción de la recurrencia basada en IA.

Principales métodos:

• Se realizó una búsqueda sistemática de la literatura en las principales bases de datos (Web of Science, Scopus, PubMed, Embase).
• Seis estudios cumplieron con los criterios de inclusión para la revisión sistemática, de los cuales tres fueron incluidos en el metanálisis.
• Se extrajeron y sintetizaron las métricas clave de rendimiento, incluida la precisión, la sensibilidad, la especificidad y el AUC.

Principales resultados:

• Los modelos de IA demostraron una sensibilidad combinada de 0,86 y una especificidad de 0,86 para la predicción de la recurrencia del meningioma.
• El área combinada bajo la curva (AUC) fue de 0,93, lo que indica un alto rendimiento diagnóstico.
• El análisis de subgrupos reveló un rendimiento comparable entre diferentes enfoques de IA (por ejemplo, Bosque aleatorio, Regresión logística) sin una heterogeneidad significativa.

Conclusiones:

• Los modelos basados en IA muestran un potencial significativo para predecir con precisión la recurrencia del meningioma.
• Estos modelos pueden mejorar la precisión del diagnóstico y ayudar a la toma de decisiones clínicas.
• La integración de datos multimodales a través de la IA promete una mayor fiabilidad y eficiencia en el pronóstico de la recurrencia.