Predicción de la invasión perineural del colangiocarcinoma intrahepático basado en TC: un estudio multicéntrico

Área de la Ciencia:

• Cirugía hepatobiliar
• Imágenes médicas
• Aprendizaje automático en oncología

Sus antecedentes:

• La invasión perineural (PNI) es un factor pronóstico crítico en el colangiocarcinoma intrahepático (CCI).
• La predicción preoperatoria precisa de la PNI es un desafío, pero es esencial para guiar las estrategias de tratamiento.
• Los métodos de diagnóstico actuales para la ENP a menudo carecen de suficiente precisión preoperatoria.

Objetivo del estudio:

• Evaluar la viabilidad del uso de modelos de aprendizaje automático para la predicción preoperatoria de PNI en ICC.
• Identificar las principales características clínicas y de las imágenes de TC predictivas de la INP en el CCI.
• Desarrollar y validar modelos basados en la IA para mejorar la predicción de PNI en ICC.

Principales métodos:

• Un estudio multiinstitucional en el que participaron 199 pacientes con CCI histológicamente confirmada.
• Las características de las imágenes clínicas y de TC se analizaron utilizando LASSO para la selección de características.
• Los modelos de aprendizaje automático (MLP, RF, SVM, LR, XGBoost) fueron construidos y validados internamente, externamente y prospectivamente.

Principales resultados:

• La ubicación del tumor, la dilatación del conducto biliar y el patrón de aumento arterial fueron predictores significativos de la ENP.
• Los modelos de aprendizaje automático demostraron un alto rendimiento predictivo con AUCs superiores a 0,86 en la cohorte de entrenamiento.
• El rendimiento del modelo se mantuvo robusto en las cohortes de validación interna, externa y prospectiva, con AUC que oscilaron entre 0,72 y 0,84.

Conclusiones:

• Los modelos de aprendizaje automático que integran las características de CT pueden predecir con precisión el PNI en ICC antes de la operación.
• Estas herramientas predictivas basadas en IA pueden apoyar la toma de decisiones clínicas individualizadas para pacientes con CCI.
• Los hallazgos sugieren un papel potencial de ML en el perfeccionamiento de las estrategias de tratamiento de la CCI.