Predicción multimodal basada en el aprendizaje profundo de la respuesta NAC en LARC mediante la integración de la RM...

Área de la Ciencia:

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

Sus antecedentes:

• El cáncer rectal localmente avanzado (LARC) muestra respuestas variadas a la quimioterapia neoadyuvante (NAC), lo que lleva a retrasos en el tratamiento y toxicidad para los que no responden.
• Los métodos actuales de resonancia magnética y proteómica ofrecen una precisión predictiva limitada y una visión biológica debido a su naturaleza monomodal.
• La integración de la información espacial de la resonancia magnética con los datos moleculares de la proteómica es crucial para mejorar la predicción.

Objetivo del estudio:

• Desarrollar y validar un marco de aprendizaje profundo multimodal que integre la resonancia magnética y la proteómica para predecir la respuesta del NAC en el LARC.
• Mejorar la precisión predictiva más allá de los enfoques monomodales para la selección de tratamientos personalizados.
• Identificar las características moleculares y de imagen clave asociadas con la respuesta NAC.

Principales métodos:

• Se analizó una cohorte retrospectiva de 274 pacientes LARC tratados con NAC.
• Un marco de aprendizaje profundo combinó redes neuronales de gráficos para proteómica (que incorporan vías y redes) y una ResNet 3D para MRI T2WI.
• Un clasificador LightGBM integró datos multimodales con características clínicas, utilizando la imputación cero para los valores faltantes.

Principales resultados:

• El modelo multimodal integrado logró una predicción superior de la respuesta NAC con un AUC de 0,828 en el conjunto de ensayos.
• El enfoque multimodal superó significativamente los modelos de resonancia magnética monomodal (ΔAUC +0.109) y proteómica (ΔAUC +0.125).
• Las características de MRI relacionadas con la heterogeneidad del estroma peritumoral fueron predictores clave, junto con 10 proteínas de quimiorresistencia identificadas.

Conclusiones:

• Un nuevo marco de aprendizaje profundo de proteómica por resonancia magnética predice con precisión la respuesta de NAC en LARC.
• Este enfoque integrado ofrece un mayor poder predictivo y conocimientos biológicos en comparación con los métodos monomodales.
• El marco apoya estrategias de tratamiento personalizadas y preservación de órganos en la gestión de LARC.