Radiómica basada en aprendizaje automático en el diagnóstico de disección aórtica tipo B en imágenes de tomografía...

Área de la Ciencia:

• Radiología
• Inteligencia Artificial
• Análisis de Imágenes Médicas

Sus antecedentes:

• La disección aórtica tipo B (DA B) es una afección cardiovascular crítica.
• El diagnóstico preciso y oportuno de la DA B es esencial para los resultados de los pacientes.
• La tomografía computarizada (TC) es una modalidad de imagen primaria para enfermedades aórticas.

Objetivo del estudio:

• Evaluar el rendimiento diagnóstico de un modelo de aprendizaje automático basado en radiómica para la detección de DA B.
• Evaluar el valor de las características de radiómica extraídas de imágenes de TC en la identificación de DA B.
• Comparar la precisión predictiva de diferentes modelos de aprendizaje automático en la detección de DA B.

Principales métodos:

• Análisis retrospectivo de 200 pacientes (100 DA B, 100 no DA B).
• Extracción de características de radiómica de imágenes de TC sin contraste.
• Reducción de dimensionalidad y construcción de modelos utilizando LASSO, con evaluación mediante curvas ROC.

Principales resultados:

• Los modelos de aprendizaje automático demostraron una alta precisión de predicción (AUC > 0.9) en el conjunto de validación.
• Un modelo de nomograma logró los valores más altos de AUC (0.991 entrenamiento, 0.998 validación).
• El nomograma exhibió una calibración y utilidad clínica superiores en ambas cohortes.

Conclusiones:

• El análisis de radiómica combinado con el aprendizaje automático proporciona un método robusto para la detección de DA B.
• El modelo predictivo desarrollado muestra un potencial significativo para mejorar la precisión del diagnóstico de DA B.
• La radiómica basada en TC ofrece una herramienta valiosa para identificar la disección aórtica tipo B.