Video Experimental Relacionado
Updated: Jan 8, 2026
07:37
Translational Orthotopic Models of Glioblastoma Multiforme
Published on: February 17, 2023
3.5K
Diferenciación de la recurrencia tumoral y la pseudoprogresión en gliomas posoperatorios mediante la técnica de
Peiquan Liu1, Yujie Chen1, Xudong Ai2
1Department of Radiology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
BMC medical imaging
|December 19, 2025
Resumen
La imagen de perfusión (pCASL) y la radiómica diferencian eficazmente la recurrencia tumoral (TR) de la pseudoprogresión (PsP) en pacientes con glioma. El aprendizaje automático, en particular SVM, mejoró significativamente la precisión diagnóstica para la evaluación no invasiva.
Área de la Ciencia:
- Neuroimagen
- Radiología
- Oncología
Sus antecedentes:
- La distinción entre recurrencia tumoral (TR) y pseudoprogresión (PsP) es fundamental para el manejo de pacientes con glioma posoperatorio.
- Las secuencias convencionales de RM pueden ser ambiguas para diferenciar TR de PsP.
- Se necesitan técnicas de imagen avanzadas para mejorar la precisión diagnóstica.
Objetivo del estudio:
- Evaluar la eficacia de la perfusión por resonancia magnética con arterial spin labeling continuo pseudo (pCASL) y sus características de radiómica para diferenciar TR de PsP.
- Evaluar el rendimiento de los modelos de aprendizaje automático en la clasificación de TR frente a PsP utilizando características de radiómica derivadas de pCASL.
Principales métodos:
- Se realizó un análisis retrospectivo de 120 pacientes con glioma posoperatorio.
- Se procesaron datos de RM pCASL para generar mapas estandarizados de flujo sanguíneo cerebral (CBF).
- Se extrajeron características de radiómica de los mapas de CBF y se entrenaron y validaron modelos de aprendizaje automático (SVM, regresión logística, random forest, Gaussian Naive Bayes).
Principales resultados:
- Se observaron diferencias significativas en los valores medios de CBF entre los grupos de TR y PsP (p < 0,001).
- pCASL solo logró un AUC de 0,879 para diferenciar TR de PsP.
- El modelo de Support Vector Machine (SVM), que incorpora características de radiómica, logró el AUC más alto de 0,971.
Conclusiones:
- pCASL combinado con características de radiómica ofrece un método potente y no invasivo para diferenciar TR de PsP en pacientes con glioma.
- El análisis de radiómica mejora significativamente el rendimiento diagnóstico de pCASL.
- El modelo SVM demuestra una alta precisión, lo que respalda su posible aplicación clínica para guiar el manejo del paciente.
