IA-FLEET: Modelo multimodal de aprendizaje profundo de fase I para la clasificación de tumores filodes

Área de la Ciencia:

• Radiología e Imagen Médica
• Inteligencia Artificial en Medicina
• Oncología

Sus antecedentes:

• Las lesiones fibroepiteliales mamarias, incluidos los fibroadenomas y los tumores filodes (TF), presentan desafíos diagnósticos en la biopsia con aguja.
• La clasificación errónea puede provocar cirugías innecesarias para lesiones benignas o retraso en el tratamiento de TF malignos.
• El programa AI-FLEET tiene como objetivo mejorar la precisión diagnóstica mediante la integración de diversos tipos de datos.

Objetivo del estudio:

• Desarrollar y evaluar modelos de IA para distinguir los TF benignos de los límites/malignos utilizando datos de ecografía y clínicos.
• Evaluar el rendimiento de diferentes arquitecturas de aprendizaje profundo en la clasificación de lesiones fibroepiteliales.

Principales métodos:

• Análisis retrospectivo de 81 pacientes con TF confirmados histológicamente (65 benignos, 16 límites/malignos).
• Entrenamiento de modelos multimodales de aprendizaje profundo (ConvNeXt, ResNet18) utilizando imágenes de ecografía y variables clínicas (edad, IMC, raza, estado menopáusico, ecogenicidad, tamaño del tumor).
• Evaluación mediante validación cruzada de cinco pliegues estratificada por sujeto.

Principales resultados:

• Los modelos multimodales ConvNeXt y ResNet18 lograron una alta precisión (0,91-0,92) y AUC (0,94).
• Los modelos solo de ecografía y solo clínicos mostraron un rendimiento inferior (AUC de 0,89 y 0,78, respectivamente).
• La heterogeneidad intratumoral se identificó como una característica predictiva clave mediante análisis de saliency.

Conclusiones:

• Los modelos multimodales de aprendizaje profundo diferencian eficazmente los TF benignos de los límites/malignos.
• La evaluación asistida por IA de las lesiones fibroepiteliales es factible y muestra una alta precisión diagnóstica.
• El trabajo futuro (Fase II) incorporará histopatología y casos de fibroadenoma benigno para una integración mejorada.