Evaluación de modelos de aprendizaje automático para la evaluación de la respuesta al tratamiento posquirúrgico en el...

Área de la Ciencia:

• Radiómica y aprendizaje automático en oncología
• Análisis de imágenes médicas
• Biomarcadores cuantitativos en el cáncer

Sus antecedentes:

• La evaluación precisa de la respuesta al tratamiento posquirúrgico en el glioblastoma multiforme (GBM) es crucial para los resultados de los pacientes.
• Los métodos subjetivos actuales para evaluar la respuesta al tratamiento con MGB requieren refinamiento.
• El análisis cuantitativo utilizando la radiómica ofrece una alternativa prometedora.

Objetivo del estudio:

• Desarrollar y evaluar modelos de aprendizaje automático para la evaluación cuantitativa de la respuesta al tratamiento de MGB después de la cirugía.
• Analizar el rendimiento de varias características radiómicas y clasificadores de aprendizaje automático.
• Establecer biomarcadores objetivos para el seguimiento del tratamiento con GBM.

Principales métodos:

• Adquisición y procesamiento previo de imágenes de resonancia magnética de 143 pacientes con GBM.
• Extracción de 92 características radiómicas, incluida la matriz de coincidencia de nivel gris (GLCM) y los coeficientes de Curvelet.
• Formación y validación de clasificadores de aprendizaje automático múltiple (SVM, KNN, LR, etc.) el uso de técnicas de selección de características y de validación cruzada de 10 veces.

Principales resultados:

• Se logró una precisión del 87% en la clasificación de las respuestas al tratamiento posquirúrgico.
• Los modelos de Support Vector Machine (SVM) y K-Nearest Neighbors (KNN) demostraron un alto rendimiento utilizando las características combinadas de GLCM y Curvelet.
• Los modelos de Regresión Logística (LR) entrenados en las características de Curvelet también mostraron una precisión significativa.

Conclusiones:

• La radiómica basada en la resonancia magnética, en particular las características GLCM y Curvelet, capacita efectivamente a los modelos de aprendizaje automático para la evaluación cuantitativa de la respuesta al tratamiento de GBM.
• Estos modelos radiómicos proporcionan herramientas objetivas y precisas para complementar las evaluaciones clínicas cualitativas.
• El estudio destaca el potencial de la radiómica y el aprendizaje automático para mejorar el manejo de pacientes con GBM.