Un marco de aprendizaje profundo para estratificar tumores de mama de grado histológico de Nottingham 2 basados en...

Área de la Ciencia:

• Radiología e Imaginología Médica
• Oncología
• Inteligencia Artificial en Medicina

Sus antecedentes:

• El Grado Histológico de Nottingham (NHG) es crucial para el pronóstico y el tratamiento del cáncer de mama.
• Los tumores NHG2 exhiben una heterogeneidad biológica significativa, lo que complica las decisiones de tratamiento y conduce a un posible sobretratamiento o infratratamiento.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje profundo (DeepRadGrade) para la estratificación de tumores de mama NHG2.
• Evaluar la utilidad clínica de este modelo en la predicción de la supervivencia libre de recurrencia (RFS).

Principales métodos:

• Se entrenó una red neuronal convolucional (CNN) con datos de resonancia magnética dinámica con contraste (DCE) para distinguir los tumores NHG1 de los NHG3.
• El modelo entrenado clasificó 456 tumores NHG2 en subgrupos similares a NHG1 (DRG2-) y similares a NHG3 (DRG2+).
• Se analizó la supervivencia libre de recurrencia utilizando modelos de Kaplan-Meier y Cox, ajustando los factores pronósticos estándar.

Principales resultados:

• DeepRadGrade (DRG) demostró un sólido rendimiento en la diferenciación de los grados de tumores en los conjuntos de datos de entrenamiento, prueba y validación externa (AUC de 0.82 a 0.84).
• Entre los tumores NHG2, 315 se clasificaron como DRG2- y 131 como DRG2+.
• Los pacientes con tumores DRG2+ mostraron un RFS significativamente peor (cociente de riesgos ajustado = 2.39, p=0.0059), lo que indica un mayor riesgo de recurrencia.
• La inclusión de la clasificación DRG mejoró la precisión predictiva del modelo de Cox (el índice C aumentó de 0.68 a 0.73).

Conclusiones:

• El aprendizaje profundo aplicado a la RM DCE rutinaria puede estratificar eficazmente los tumores de mama NHG2 en subgrupos clínicamente significativos basados en el riesgo de recurrencia.
• Este enfoque impulsado por IA proporciona un método rentable para la estratificación de riesgos individualizada en el cáncer de mama de grado intermedio.
• Los hallazgos sugieren que la clasificación DRG puede ayudar a optimizar las estrategias de tratamiento, minimizando tanto el infratratamiento como el sobretratamiento.