Predicción de la recurrencia del carcinoma de células renales después de la nefrectomía parcial: un enfoque...

Área de la Ciencia:

• Imágenes médicas de imágenes médicas.
• Oncología Oncología.
• Aprendizaje automático Aprendizaje automático.

Sus antecedentes:

• La nefrectomía parcial es un tratamiento común para el carcinoma de células renales (CCR).
• A pesar de la cirugía, el 30-40% de los pacientes con CCR experimentan una recurrencia dentro de los 5 años.
• Los sistemas de pronóstico actuales tienen limitaciones en la predicción del riesgo de recurrencia.

Objetivo del estudio:

• Para identificar las características radiómicas y clínicas de pronóstico para la recurrencia de RCC después de la nefrectomía parcial.
• Desarrollar un modelo integrado de aprendizaje automático para mejorar la estratificación del riesgo de recurrencia.

Principales métodos:

• Análisis retrospectivo de 190 pacientes con RCC sometidos a nefrectomía parcial laparoscópica.
• Tomografías computarizadas con contraste mejorado preoperatorias analizadas para las características radiómicas.
• Modelos de aprendizaje automático (Random Forest, Gradient Boosting, Logistic Regression) entrenados para predecir la recurrencia, con análisis SHAP para la importancia de las características.

Principales resultados:

• El modelo de Gradient Boosting mostró el mayor rendimiento predictivo (ROC-AUC 0.744).
• Las principales características predictivas incluyeron parámetros radiómicos (energía, máximo, mediana, RMS, Kurtosis) y factores clínicos (puntuación RENAL, puntuación PADUA, índice de centralidad).

Conclusiones:

• Las características radiómicas basadas en TC muestran potencial para predecir la recurrencia de RCC después de la nefrectomía parcial.
• Los modelos de aprendizaje automático combinados de radiómica y clínica ofrecen una precisión de pronóstico moderada.
• Se necesitan más estudios multicéntricos con validación externa para la implementación clínica.