Video Experimental Relacionado
Updated: Sep 9, 2025

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
Predicción de la eficacia de la quimioradioterapia neoadyuvante para el cáncer rectal localmente avanzado utilizando
Zhongfan Liao1, Yin Yang1, Yuan Luo1
1Department of Medical Ultrasound, West China Hospital, Sichuan University, Chengdu, China.
Este estudio desarrolló modelos radiómicos utilizando ultrasonido transrectal mejorado por contraste (TR-CEUS) para predecir el grado de regresión tumoral (TRG) en pacientes con cáncer rectal. Los modelos después de la quimioradioterapia neoadyuvante (NCRT) mostraron una precisión de predicción superior para TRG.
Área de la Ciencia:
- En el campo de la oncología
- Radiología
- Imágenes médicas
Sus antecedentes:
- La predicción preoperatoria precisa del grado de regresión tumoral (TRG) es vital para adaptar la quimioradioterapia neoadyuvante (NCRT) en el cáncer rectal localmente avanzado (LARC).
- Los métodos actuales para evaluar la respuesta al tratamiento a menudo carecen de precisión, lo que requiere técnicas de imagen avanzadas.
Objetivo del estudio:
- Desarrollar y validar modelos radiómicos basados en ultrasonido transrectal mejorado por contraste (TR-CEUS) para predecir la TRG patológica en pacientes LARC después de la NCRT.
- Comparar el rendimiento predictivo de los modelos radiómicos TR-CEUS antes y después de la NCRT.
Principales métodos:
- Desarrollo de modelos de aprendizaje automático (ML) utilizando características radiómicas extraídas de imágenes TR-CEUS adquiridas antes y después de la NCRT en 190 pacientes LARC.
- Se utilizaron siete clasificadores ML, incluidos el bosque aleatorio (RF) y el perceptrón multicapa (MLP), para construir modelos predictivos.
- Evaluación del rendimiento del modelo mediante el análisis de la curva de las características de funcionamiento del receptor (ROC) y los ensayos Delong.
Principales resultados:
- Se construyeron un total de 3360 modelos ML a partir de series de imágenes TR-CEUS anteriores y posteriores al NCRT.
- El modelo óptimo post-NCRT (MLP) logró un área bajo la curva (AUC) de 0,857 en la cohorte de validación cruzada y de 0,841 en la cohorte de prueba.
- El modelo post-NCRT demostró una eficacia predictiva significativamente mayor para el TRG en comparación con el modelo pre-NCRT (p < 0,05).
Conclusiones:
- Los modelos radiómicos derivados de la imagen TR-CEUS post-NCRT ofrecen una alta precisión en la predicción de TRG para pacientes con LARC.
- Estos modelos pueden ayudar en la evaluación precisa de la respuesta terapéutica a la NCRT, facilitando estrategias de tratamiento personalizadas.
- La radiómica basada en TR-CEUS es prometedora como herramienta no invasiva para evaluar los resultados del tratamiento en el cáncer rectal.
Más Videos Relacionados
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
06:49Orthotopic Implantation of Patient-Derived Cancer Cells in Mice Recapitulates Advanced Colorectal Cancer
Published on: February 10, 2023