[Investigación sobre un modelo basado en el aprendizaje profundo para predecir el riesgo de malignidad del sistema...

Área de la Ciencia:

• La inteligencia artificial es inteligencia artificial.
• Oncología Oncología.
• Imágenes médicas de imágenes médicas.

Sus antecedentes:

• La predicción precisa del riesgo de malignidad para nódulos de tiroides y mamas es crucial para el diagnóstico y tratamiento oportunos.
• Los modelos actuales de IA a menudo se centran en órganos individuales, lo que limita su aplicabilidad a diversos conjuntos de datos de nódulos endocrinos.

Objetivo del estudio:

• Desarrollar y validar un modelo de inteligencia artificial (IA) unificado y transversal para predecir los riesgos de cáncer maligno tanto en nódulos de tiroides como de mama.
• Aprovechar el aprendizaje profundo multitarea (DL) para mejorar el rendimiento diagnóstico en diferentes tipos de nódulos endocrinos.

Principales métodos:

• Se construyó un modelo de aprendizaje profundo multitarea basado en la arquitectura Transformer utilizando datos clínicos de 2386 nódulos tiroideos y 2753 de mama.
• El modelo incorporó compartición de características y capas específicas de órganos, evaluadas a través de validación cruzada de cinco veces y un conjunto de validación externa independiente (n = 835).
• El análisis SHAP se empleó para interpretar el proceso de toma de decisiones del modelo de IA e identificar las características predictivas clave.

Principales resultados:

• El modelo de IA demostró un alto rendimiento para nódulos tiroideos (AUC = 0,932) y nódulos mamarios (AUC = 0,917), con una excelente sensibilidad y especificidad.
• El modelo de órganos cruzados superó a los modelos de órganos únicos en conjuntos de datos pequeños y mantuvo la estabilidad en la validación externa (AUC> 0,90).
• El análisis SHAP identificó características importantes comunes (por ejemplo, irregularidad de los bordes, calcificación) y características específicas de los órganos (por ejemplo, señales de flujo sanguíneo).

Conclusiones:

• Se desarrolló con éxito un modelo de IA de alto rendimiento y transversal de órganos para la predicción del riesgo de cáncer maligno en nódulos de tiroides y senos.
• Esta arquitectura unificada de aprendizaje profundo proporciona un nuevo paradigma para el diagnóstico asistido por IA de tumores endocrinos, lo que permite una estratificación precisa del riesgo.
• Los hallazgos destacan el potencial del aprendizaje multitarea para mejorar la precisión y eficiencia del diagnóstico en oncología.