Nomograma basado en radiomía utilizando radiografía digital para el diagnóstico precoz de la osteoartritis de rodilla

Área de la Ciencia:

• Radiología Radiología.
• Imágenes médicas de imágenes médicas.
• La inteligencia artificial en la medicina.

Sus antecedentes:

• El diagnóstico precoz de la osteoartritis de rodilla (KOA) es crucial pero desafiante, especialmente diferenciar entre los grados 1 y 2 de Kellgren-Lawrence (KL) en las radiografías estándar.
• La radiómica ofrece una solución potencial para extraer características cuantitativas de imágenes para ayudar en la detección radiográfica temprana de KOA (RKOA).

Objetivo del estudio:

• Desarrollar y validar un modelo basado en radiómica utilizando radiografía digital (DR) para la identificación temprana de RKOA.
• Evaluar el rendimiento de los modelos de aprendizaje automático y un nomograma combinado que incorpora radiómica y edad para el diagnóstico de KOA.

Principales métodos:

• Análisis retrospectivo de 859 pacientes con KL grado 1 o 2 KOA, dividido en conjuntos de entrenamiento (n=601) y validación (n=258).
• Extracción de 2.632 características radiómicas de las imágenes de DR, seguido de la selección de características mediante ICC, análisis de correlación y regresión LASSO, dando como resultado 38 características.
• Desarrollo y comparación de cinco modelos de aprendizaje automático, con regresión logística (LR) seleccionada por su generalizabilidad para calcular una puntuación radiómica (Radscore) y un nomograma combinado.

Principales resultados:

• El modelo LR logró un AUC de 0.821 en el conjunto de validación.
• El modelo de nomograma combinado superó significativamente el modelo Radscore solo, mostrando AUC de 0.914 (entrenamiento) y 0.833 (validación) en comparación con 0.908 y 0.823, respectivamente.
• Las curvas de calibración y el análisis de la curva de decisión confirmaron el buen ajuste y la utilidad clínica del nomograma.

Conclusiones:

• Un modelo radiómico basado en DR, cuando se combina con la edad del paciente, proporciona un diagnóstico precoz y preciso de KOA.
• Este enfoque demuestra un potencial significativo para la aplicación clínica en la detección temprana de RKOA.