MetaPredictomics: Un enfoque integral para predecir la recurrencia del cáncer de pulmón de células no pequeñas...

Área de la Ciencia:

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

Sus antecedentes:

• El cáncer de pulmón de células no pequeñas (CPNP) presenta diversos rasgos que requieren un tratamiento personalizado.
• Los biomarcadores actuales ofrecen una comprensión completa limitada del NSCLC.
• La integración de múltiples fuentes de datos, incluidos datos de imágenes y clínicos, puede proporcionar una visión holística de la enfermedad para una mejor predicción.

Objetivo del estudio:

• Desarrollar y validar el marco de MetaPredictomics para predecir la recurrencia posquirúrgica en el NSCLC.
• Integrar los datos clínicos patológicos con la radiomía PET/TC del tumor primario y de los órganos circundantes ("organomía").
• Evaluar el rendimiento de los modelos integrados en comparación con las fuentes de datos individuales.

Principales métodos:

• Un modelo de aprendizaje profundo segmentó 19 órganos de tomografías PET / CT de 145 pacientes con CPNM.
• Las características radiómicas se extrajeron del volumen tumoral bruto (TVG) y de los órganos segmentados utilizando PyRadiomics.
• Los datos clínicos patológicos, la radiómica GTV y la organómica se utilizaron para construir modelos de predicción de primer nivel, con sus salidas combinadas en meta-modelos de conjunto apilados.

Principales resultados:

• Los modelos clínico patológicos y radiómicos de GTV mostraron un fuerte rendimiento (índices C de 0,67 y 0,65, respectivamente).
• Los modelos organómicos de pulmón entero y aorta también obtuvieron buenos resultados (índice C de 0,65).
• Los metamodelos superaron significativamente a los modelos de primer nivel, logrando índices C entre 0,703 y 0,731.

Conclusiones:

• Maximizar los datos de imágenes médicas de varios órganos mejora el pronóstico de recurrencia del NSCLC.
• La integración de múltiples fuentes, combinando datos clínicos patológicos con radiómica y organómica tumoral, mejora significativamente la predicción de la recurrencia.
• El marco de MetaPredictomics demuestra el valor de un enfoque holístico en el pronóstico del NSCLC.