Radiomía de aprendizaje profundo basado en resonancia magnética para predecir la diferenciación histológica del...

Área de la Ciencia:

• En el campo de la oncología
• Radiología
• Inteligencia artificial

Sus antecedentes:

• La diferenciación histológica del cáncer de orofaringe es crucial para la planificación del tratamiento.
• La clasificación preoperatoria precisa sigue siendo un desafío clínico.
• Las imágenes de resonancia magnética (IRM) ofrecen información valiosa sobre las características del tumor.

Objetivo del estudio:

• Desarrollar y validar un marco de radiómica de aprendizaje profundo (DLR) utilizando RM.
• Para predecir los grados de diferenciación histológica en el cáncer de orofaringe.
• Para mejorar la precisión del diagnóstico preoperatorio.

Principales métodos:

• Análisis retrospectivo de 122 pacientes con cáncer de orofaringe de tres instituciones chinas.
• Extracción y refinamiento de las características radiómicas y de aprendizaje profundo de los escáneres de resonancia magnética.
• Integración de las características en un modelo DLR para la evaluación de la diferenciación histológica.
• Evaluación del rendimiento utilizando el área debajo de la curva de características de funcionamiento del receptor (AUC) y el análisis de la curva de decisión (DCA).

Principales resultados:

• El modelo DLR logró un fuerte rendimiento predictivo con AUC de 0,871 (entrenamiento) y 0,803 (prueba).
• El modelo DLR superó a los modelos independientes de radiómica y aprendizaje profundo.
• DCA confirmó la utilidad clínica del modelo DLR en la predicción de la diferenciación histológica.

Conclusiones:

• El modelo DLR basado en resonancia magnética demuestra una alta precisión predictiva para la diferenciación histológica del cáncer de orofaringe.
• Este marco tiene potencial para mejorar el diagnóstico preoperatorio.
• El modelo puede ayudar significativamente en la toma de decisiones clínicas para pacientes con cáncer de orofaringe.