Multimodalidad y análisis temporal de la respuesta al tratamiento del cáncer de cuello uterino

Área de la Ciencia:

• Radiología
• Imagenología Médica
• Oncología

Sus antecedentes:

• El cáncer de cuello uterino representa un desafío significativo para la salud mundial.
• Las herramientas diagnósticas y pronósticas mejoradas son cruciales para la planificación del tratamiento y los resultados.
• La imagen médica no invasiva ofrece un enfoque prometedor para el diagnóstico de precisión.

Objetivo del estudio:

• Desarrollar y evaluar un modelo predictivo para la respuesta al tratamiento del cáncer de cuello uterino durante la radioterapia.
• Utilizar características extraídas de imágenes médicas multimodales para la predicción.
• Mejorar la planificación del tratamiento y los resultados del paciente a través de diagnósticos avanzados.

Principales métodos:

• Evaluación de imágenes médicas multimodales (ADC, DCE, PET) en diferentes etapas del tratamiento.
• Extracción y evaluación de varios tipos de características (de orden cero, de primer orden, de segundo orden, de orden superior).
• Enfoque en características de textura, específicamente la Matriz de Co-ocurrencia de Niveles de Gris (GLCM) en 2D, y características de forma.

Principales resultados:

• Las características de textura GLCM mostraron un rendimiento predictivo significativo (AUC 0.73±0.12).
• La combinación de GLCM con características de forma mejoró la predicción (AUC 0.75).
• El Coeficiente de Difusión Aparente (ADC) demostró la mejor predicción unimodal, y la imagen multimodal con análisis de texturas mejoró la estratificación del paciente.

Conclusiones:

• La integración de características de textura de imágenes multimodales mejora el pronóstico del cáncer de cuello uterino.
• Los biomarcadores de imagen pueden optimizar la terapia y guiar las estrategias de tratamiento personalizadas.
• Los hallazgos respaldan una atención oncológica eficiente y adaptada al reducir la carga diagnóstica.