Optimización de la radiómica multimodal basada en aprendizaje automático para predecir el estado de IDH en gliomas:...

Área de la Ciencia:

• Neuroimagen
• Aprendizaje automático en oncología
• Radiómica

Sus antecedentes:

• La predicción del estado de isocitrato deshidrogenasa (IDH) es fundamental para el manejo del glioma.
• La resonancia magnética convencional (cMRI) tiene limitaciones; la radiómica y el aprendizaje automático (ML) enfrentan desafíos con datos de un solo centro y la interpretabilidad.
• Existe la necesidad de modelos ML multicéntricos interpretables que integren diversas secuencias de RM.

Objetivo del estudio:

• Desarrollar y validar un modelo ML multicéntrico interpretable para predecir el estado de IDH en gliomas.
• Integrar la resonancia magnética convencional (cMRI) con secuencias funcionales (DWI y PWI) para una mejor predicción.
• Mejorar la traslación clínica de los modelos ML en neuro-oncología.

Principales métodos:

• Estudio retrospectivo con 180 pacientes de cuatro instituciones (150 entrenamiento, 30 prueba externa).
• Características de radiómica extraídas de cMRI, DWI y DSC-PWI (mapas CBV).
• Modelos de radiómica de fusión de RM multiparamétrica construidos utilizando algoritmos de ML, con SHapley Additive exPlanation (SHAP) para la interpretabilidad.

Principales resultados:

• El modelo de modalidad completa (cMRI + DWI + PWI) con segmentación modificada en 3D logró un AUC de 0.840 (entrenamiento) y 0.810 (prueba externa).
• Las secuencias funcionales mejoraron significativamente la precisión de la predicción en comparación con cMRI solo.
• El análisis SHAP identificó las características predictivas clave y proporcionó explicaciones individualizadas del modelo.

Conclusiones:

• El modelo ML-SHAP desarrollado predice de manera confiable el estado de IDH y demuestra generalización multicéntrica.
• Esta herramienta interpretable integra RM convencional y funcional para el manejo del glioma.
• El modelo muestra potencial para apoyar el diagnóstico molecular preoperatorio en gliomas.