Una predicción previa de la respuesta del cáncer de mama a la quimioterapia neoadyuvante utilizando la radiomía por...

Área de la Ciencia:

• Imágenes médicas
• En el campo de la oncología
• Inteligencia artificial

Sus antecedentes:

• La respuesta a la quimioterapia neoadyuvante (NAC) es crucial para el pronóstico del cáncer de mama.
• La evaluación actual se basa en la patología posquirúrgica, retrasando la adaptación al tratamiento.
• La predicción de la respuesta NAC antes del tratamiento es esencial para la terapia personalizada.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje automático que integre las características radiómicas de las tomografías computarizadas previas al tratamiento y las variables clínicas.
• Para predecir tanto la respuesta completa patológica (PCR) como la respuesta clínica a la NAC en pacientes con cáncer de mama.
• Mejorar la predicción temprana de la eficacia del tratamiento para el tratamiento personalizado del cáncer de mama.

Principales métodos:

• Se extrajeron 214 características radiómicas de regiones intratumorales y peritumorales de tomografías computarizadas con contraste mejorado antes del tratamiento.
• Se han incorporado 7 variables clínicas de referencia en el modelo predictivo.
• Desarrolló un modelo basado en XGBoost y evaluó su rendimiento utilizando precisión, AUC y otras métricas en diez particiones de datos independientes.

Principales resultados:

• El modelo clínico-radiómico combinado superó significativamente a los modelos que utilizaban solo características radiómicas o clínicas para la predicción de la respuesta pCR y clínica.
• Para la clasificación de la pCR, el modelo combinado logró una precisión del 82,8% y un AUC de 0,846.
• Para la clasificación de la respuesta clínica, el modelo combinado logró una precisión del 71,7% y un AUC de 0,725.

Conclusiones:

• La integración de las características radiómicas derivadas de la TC con los datos clínicos mejora la predicción de la respuesta a la quimioterapia neoadyuvante en el cáncer de mama.
• Este enfoque apoya la toma de decisiones terapéuticas más tempranas y personalizadas.
• Los hallazgos destacan el potencial del análisis de imágenes impulsado por IA en la optimización de las estrategias de tratamiento del cáncer de mama.