Radiomía de hábitat basada en TC que combina el aprendizaje de múltiples instancias para la predicción temprana de la...

Área de la Ciencia:

• En el campo de la oncología
• Radiología
• Imágenes médicas

Sus antecedentes:

• La predicción precisa de la metástasis de los ganglios linfáticos después de la terapia neoadyuvante (NAT) es vital para la optimización del tratamiento del carcinoma de células escamosas del esófago (ESCC).
• Los métodos actuales pueden carecer de precisión para predecir la LNM posterior a la NAT.

Objetivo del estudio:

• Desarrollar y validar un modelo radiómico basado en tomografía computarizada (TC) para predecir la LNM en pacientes con CCE después de la TAN.
• Para evaluar el rendimiento del modelo en la orientación de las decisiones de terapia individualizada.

Principales métodos:

• Análisis retrospectivo de 469 pacientes con ECC, divididos en cohortes de entrenamiento (n=328) y pruebas (n=141).
• Desarrollo de tres firmas: basadas en el hábitat tumoral (Habitat_Rad), basadas en el aprendizaje de múltiples instancias (MIL_Rad) y clínico-radiológicas (Clinic).
• Construcción de un nomograma radiómico combinado que integre las firmas desarrolladas.

Principales resultados:

• El nomograma radiómico combinado logró una alta precisión predictiva, con un AUC de 0,929 en la cohorte de entrenamiento y de 0,852 en la cohorte de prueba.
• El nomograma demostró un rendimiento superior en comparación con las firmas individuales.
• El análisis de la curva de decisión confirmó un beneficio clínico neto significativo, lo que indica la utilidad clínica.

Conclusiones:

• El nomograma radiómico basado en TC desarrollado es una herramienta prometedora para predecir la LNM en pacientes con CCE después de la NAT.
• Este modelo puede ayudar en los ajustes oportunos del tratamiento y en las estrategias terapéuticas personalizadas para el ESCC.