Detección de malignidad de nódulos pulmonares mediante aprendizaje automático guiado por imagenología molecular para...

Área de la Ciencia:

• Medicina pulmonar
• Oncología quirúrgica
• Análisis de imágenes médicas

Sus antecedentes:

• Se diagnostican más de 1 millón de nódulos pulmonares anualmente en los EE. UU.
• La cirugía guiada por imagenología molecular se utiliza para el diagnóstico de nódulos, pero enfrenta desafíos en precisión y eficiencia.
• Localizar nódulos pequeños y evaluar la malignidad es técnicamente difícil y propenso a errores humanos.

Objetivo del estudio:

• Demostrar el uso de un algoritmo de aprendizaje automático (AA) con imagenología molecular para analizar datos intraoperatorios.
• Evaluar el potencial maligno de los nódulos pulmonares durante la cirugía utilizando IA.
• Mejorar la precisión y la eficiencia del diagnóstico en la cirugía de cáncer de pulmón.

Principales métodos:

• Análisis retrospectivo de una base de datos recopilada prospectivamente (2014-2021) de la Universidad de Pensilvania.
• Desarrollo de un nomograma y un analizador de imágenes de IA que combina la detección algorítmica de la relación tumor-fondo (TBR).
• Pruebas prospectivas del algoritmo de IA (biopsia óptica) durante la cirugía guiada por imagenología molecular intraoperatoria (IMI) (2021-2024).

Principales resultados:

• El algoritmo de IA logró un área bajo la curva (AUC) de 0.865-0.893 para la evaluación de nódulos malignos.
• Los predictores clave de malignidad incluyeron antecedentes de tabaquismo, TBR ex vivo y fluorescencia in situ.
• Las pruebas prospectivas mostraron alta sensibilidad (93,8%) y especificidad (100%) para la detección de malignidad, con resultados en menos de 2 minutos.

Conclusiones:

• Los datos de imagenología intraoperatoria analizados por IA determinaron con precisión la malignidad de los nódulos en pacientes con nódulos pulmonares indeterminados.
• El algoritmo de IA reduce significativamente el tiempo de diagnóstico en comparación con el análisis de sección congelada (1,8 frente a 34 minutos).
• Este enfoque de IA tiene el potencial de superar los desafíos diagnósticos durante la cirugía de cáncer de pulmón.