Modelo basado en aprendizaje automático para predecir metástasis contralateral de ganglios linfáticos centrales en...

Área de la Ciencia:

• Oncología
• Oncología Quirúrgica
• Informática Médica

Sus antecedentes:

• El carcinoma papilar de tiroides (CPT) originado en el istmo tiroideo tiene un alto riesgo de metástasis a los ganglios linfáticos centrales contralaterales (CLN Contralaterales).
• La evaluación precisa del riesgo es crucial para las estrategias de tratamiento personalizadas en pacientes con CPT.

Objetivo del estudio:

• Desarrollar y validar un modelo predictivo individualizado para la metástasis de CLN Contralaterales en el CPT con proximidad al istmo.
• Utilizar algoritmos de aprendizaje automático para mejorar la precisión predictiva.

Principales métodos:

• Análisis retrospectivo de 1.672 pacientes con CPT, con un enfoque en 397 pacientes con proximidad al istmo.
• Selección de características utilizando el algoritmo Boruta y regresión LASSO.
• Desarrollo y evaluación de siete modelos de aprendizaje automático, incluido el bosque aleatorio, con SHAP para la interpretabilidad.

Principales resultados:

• La incidencia de metástasis de CLN Contralaterales fue significativamente mayor en el CPT con proximidad al istmo (33%) en comparación con el CPT no istmico (12%).
• Los predictores clave identificados incluyen evaluaciones preoperatorias de TC y ecografía, extensión extratiroidea, metástasis de CLN ipsilaterales y tamaño del tumor.
• El modelo de bosque aleatorio logró un alto rendimiento (AUC 0.942 entrenamiento, 0.861 validación), siendo la evaluación preoperatoria de TC el predictor más influyente.

Conclusiones:

• Un modelo basado en aprendizaje automático predice eficazmente el riesgo de metástasis de CLN Contralaterales en el CPT con proximidad al istmo.
• Este modelo sirve como una herramienta valiosa para la toma de decisiones quirúrgicas personalizadas, optimizando la extensión de la disección de ganglios linfáticos.