Video Experimental Relacionado
Updated: Sep 9, 2025

04:09
Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
Predicción de la respuesta a la inmunoterapia en pacientes con carcinoma hepatocelular utilizando imágenes de TC
Ji Hye Min1,2, Pin-Jung Chen3, Touseef Ahmad Qureshi4
1Karsh Division of Gastroenterology and Hepatology, Cedars-Sinai Medical Center, Los Angeles, CA 90048, USA.
Diagnostics (Basel, Switzerland)
|August 28, 2025
Resumen
La predicción de la respuesta a la inmunoterapia en el cáncer de hígado (HCC) es crucial. Un modelo de IA que utiliza la radiomía de tomografía computarizada del hígado y el tumor es prometedor para identificar a los pacientes que probablemente se beneficien del tratamiento.
Área de la Ciencia:
- Radiología
- Inteligencia artificial
- En el campo de la oncología
Sus antecedentes:
- La predicción de la respuesta del tratamiento a la inmunoterapia en el carcinoma hepatocelular (HCC) es vital para la medicina personalizada.
- Los métodos actuales carecen de precisión para identificar a los que responden frente a los que no responden.
- Se necesitan nuevos enfoques para optimizar la eficacia de la inmunoterapia en el CCH.
Objetivo del estudio:
- Desarrollar y validar un modelo radiómico impulsado por IA para predecir la respuesta a la inmunoterapia en HCC.
- Para diferenciar a los que responden de los que no lo hacen mediante el uso de las características de la tomografía computarizada antes del tratamiento.
- Evaluar el valor añadido de la combinación de radiómica hepática y tumoral para una mejor predicción.
Principales métodos:
- Análisis retrospectivo de 55 pacientes con CHC tratados con inmunoterapia (2016-2023).
- Extracción de más de 5000 características radiómicas de tomografías computarizadas previas al tratamiento (hígado y tumor viable).
- Desarrollo de dos modelos de aprendizaje automático (sólo hígado frente a hígado y tumor) evaluados por validación cruzada.
Principales resultados:
- El modelo 1 (características del hígado) logró una precisión del 77%, una sensibilidad del 76% y una especificidad del 78%.
- El modelo 2 (características del hígado y del tumor) demostró un rendimiento superior con un 86% de precisión, un 70% de sensibilidad y un 94% de especificidad.
- Se identificaron aproximadamente 100 características radiómicas como predictivas de la respuesta al tratamiento.
Conclusiones:
- Un modelo basado en IA que utiliza características radiómicas derivadas de la TC puede predecir la respuesta a la inmunoterapia en CHC.
- La combinación de radiómica hepática y tumoral mejora significativamente la precisión de la predicción.
- Este enfoque no invasivo puede ayudar en la planificación del tratamiento personalizado para los pacientes con CHC que reciben inmunoterapia.
Palabras clave:
Carcinoma de las células hepáticasinmunoterapiaAprendizaje automáticoRadiologíarespuesta
