Video Experimental Relacionado

Updated: Jan 31, 2026

Determining Glucose Metabolism Kinetics Using 18F-FDG Micro-PET/CT

Determining Glucose Metabolism Kinetics Using 18F-FDG Micro-PET/CT

Published on: May 2, 2017

Aprendizaje profundo multiómico mejora la estadificación a largo plazo del cáncer de mama basada en PET-CT con FDG

Xinglong Liang^1,2, Tianyu Zhang^1,2, Miguel Braga³

¹Department of Radiology, Netherlands Cancer Institute, Amsterdam, The Netherlands.

NPJ precision oncology

|January 29, 2026

Resumen

Un novedoso modelo de aprendizaje profundo, MOPS, integra datos clínicos y exploraciones PET-CT con FDG para mejorar significativamente la predicción de la supervivencia del cáncer de mama. Este enfoque mejora la precisión pronóstica para pacientes no metastásicos, ayudando a una mejor estratificación del riesgo y planificación del tratamiento.

Área de la Ciencia:

Medicina Nuclear
Oncología
Inteligencia Artificial

Sus antecedentes:

[18F] fluorodesoxiglucosa tomografía por emisión de positrones - tomografía computarizada (PET-CT con FDG) es vital para el manejo del cáncer de mama, incluida la estadificación y la evaluación de la respuesta.
Los parámetros cuantitativos de PET-CT con FDG tienen valor pronóstico en el cáncer de mama no metastásico, pero pueden pasar por alto patrones tumorales complejos.
Los métodos actuales a menudo se basan en métricas predefinidas limitadas como SUVmax, MTV y TLG.

Objetivo del estudio:

Desarrollar y validar un modelo de aprendizaje profundo para mejorar la estratificación pronóstica en cáncer de mama no metastásico utilizando PET-CT con FDG.
Integrar datos multiómicos, información clínica e informes médicos para mejorar la predicción de la supervivencia.
Garantizar la aplicabilidad clínica a través de IA interpretable, proporcionando información transparente para los médicos.

Principales métodos:

Se utilizó una cohorte retrospectiva de pacientes con cáncer de mama no metastásico sometidos a PET-CT con FDG.
Se desarrolló un modelo de estratificación pronóstica multiómica (MOPS) utilizando arquitecturas CMA y transformer.
El modelo integró datos clínicos, imágenes de PET-CT con FDG e informes médicos para predecir la supervivencia general (OS) y la supervivencia libre de enfermedad (DFS).
Se incorporaron métodos de interpretabilidad para explicaciones causales y visualizaciones.

Principales resultados:

El modelo MOPS demostró un rendimiento superior en la predicción de OS y DFS en comparación con modelos de omica única, estadificación TN y subtipificación molecular.
Se logró un índice C de 0,75 (IC del 95 %: 0,69-0,81) para OS y 0,71 (IC del 95 %: 0,65-0,77) para DFS.
El modelo proporcionó información interpretable, mejorando la comprensión y la confianza clínica.

Conclusiones:

El análisis basado en aprendizaje profundo de PET-CT con FDG, integrado con datos clínicos, ofrece un valor pronóstico significativo en el cáncer de mama no metastásico.
El modelo MOPS representa una herramienta prometedora para mejorar la estratificación del riesgo del paciente y guiar las decisiones de tratamiento.
La IA interpretable en imágenes oncológicas puede facilitar la adopción clínica y mejorar la atención al paciente.

Palabras clave:

cáncer de mama PET-CT con FDG aprendizaje profundo pronóstico supervivencia medicina nuclear oncología inteligencia artificial MOPS

Más Videos Relacionados

Functional Imaging of Brown Fat in Mice with 18F-FDG micro-PET/CT

Functional Imaging of Brown Fat in Mice with 18F-FDG micro-PET/CT

Published on: November 23, 2012

Utilizing 18F-FDG PET/CT Imaging and Quantitative Histology to Measure Dynamic Changes in the Glucose Metabolism in Mouse Models of Lung Cancer

Utilizing 18F-FDG PET/CT Imaging and Quantitative Histology to Measure Dynamic Changes in the Glucose Metabolism in Mouse Models of Lung Cancer

Published on: July 21, 2018

Videos de Conceptos Relacionados

Long-term Depression

Long-term Depression

Long-term depression, or LTD, is one of the ways by which synaptic plasticity—changes in the strength of chemical synapses—can occur in the brain. LTD is the process of synaptic weakening that occurs over time between pre and postsynaptic neuronal connections. The synaptic weakening of LTD works in opposition to synaptic strengthening by long-term potentiation (LTP) and together are the main mechanisms that underlie learning and memory.

Avoidance Learning and Learned Helplessness

Avoidance Learning and Learned Helplessness

Avoidance learning and learned helplessness are critical concepts in understanding behavioral responses to negative stimuli.
Avoidance learning occurs when an organism learns that a specific behavior can prevent an unpleasant outcome. For example, a student who receives a bad grade may start studying harder to avoid future poor grades. This behavior persists even when the negative outcome is no longer present. Avoidance learning is powerful because it maintains behavior in the absence of the...

Radiological Investigation I: X-ray and CT

Radiological Investigation I: X-ray and CT

Radiological investigations, including X-rays and computed tomography (CT) scans, are critical for diagnosing and evaluating various medical conditions. These imaging techniques provide valuable insights into the body's internal structures, aiding in the detection of abnormalities, assessment of disease progression, and development of treatment strategies. This article delves into two primary radiological investigations, chest X-rays and CT scans, outlining their purpose, procedures, and...

Imaging Studies I: CT and MRI

Imaging Studies I: CT and MRI

Introduction: MRI and CT scans are crucial advancements in medical imaging techniques, playing a vital role in diagnosing conditions related to the gastrointestinal (GI) system. Each scan serves distinct purposes, targets specific areas, and requires unique nursing duties.
Description of the Procedures
Computed Tomography (CT) scan:
Computed Tomography (CT) scans use X-ray technology to generate detailed images of bones, organs, and tissues. During the scan, the patient lies on a moving table...

Associative Learning

Associative Learning

Associative learning is a fundamental concept in behavioral psychology, wherein a connection is established between two stimuli or events, leading to a learned response. This process is critical in understanding how behaviors are acquired and modified. Conditioning, the mechanism through which associations are formed, can be divided into two main types: classical conditioning and operant conditioning, each elucidating different aspects of associative learning.
Classical conditioning, also known...

Purposive Learning

Purposive Learning

E. C. Tolman emphasized the purposiveness of behavior — the idea that much of our behavior is goal-directed. For instance, employees who aim for a promotion work diligently to meet their targets. Tolman argued that when classical conditioning and operant conditioning occur, the organism acquires certain expectations. In classical conditioning, a child might fear a dog because they expect it to bite. In operant conditioning, a person might consistently work overtime because they expect a...