Video Experimental Relacionado
Updated: Feb 21, 2026
Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
Predicción de Supervivencia en Pacientes con Cáncer de Vejiga Sometidos a Cistectomía Radical Utilizando un Algoritmo
Francesco Andrea Causio1,2, Vittorio De Vita1,2, Andrea Nappi1,3
1Italian Society for Artificial Intelligence in Medicine (SIIAM - Società Italiana Intelligenza Artificiale in Medicina), Rome, Italy.
Este estudio desarrolló un modelo de IA para predecir la supervivencia del cáncer de vejiga después de la cistectomía. El algoritmo de aprendizaje automático pronostica con precisión la supervivencia libre de progresión, la supervivencia global y la causa de muerte, lo que ayuda a las estrategias de tratamiento personalizadas.
Área de la Ciencia:
- Oncología
- Informática Médica
- Inteligencia Artificial
Sus antecedentes:
- Los modelos estadísticos tradicionales tienen dificultades con la predicción de la supervivencia del cáncer de vejiga post-cistectomía.
- La cistectomía radical tiene una alta tasa de metástasis (50% en 2 años).
- La integración de la inteligencia artificial (IA) puede mejorar la precisión pronóstica y la personalización del tratamiento.
Objetivo del estudio:
- Desarrollar y evaluar un algoritmo de aprendizaje automático para predecir la supervivencia libre de progresión (SLP), la supervivencia global (SG) y la causa de muerte en pacientes con cáncer de vejiga.
- Utilizar un conjunto de datos completo de variables clínicas y patológicas para la predicción.
- Mejorar la precisión pronóstica y personalizar las estrategias de tratamiento para pacientes con cáncer de vejiga.
Principales métodos:
- Análisis retrospectivo de 370 pacientes con cáncer de vejiga sometidos a cistectomía radical.
- Se empleó el algoritmo CatBoost para regresión (SLP, SG) y clasificación binaria (muerte relacionada con tumores).
- Se evaluó el rendimiento del modelo utilizando el Error Absoluto Medio (MAE) y la puntuación F1, con validación cruzada de 5 pliegues y valores SHAP para la interpretabilidad.
Principales resultados:
- El modelo CatBoost logró una MAE de 18,68 meses para la SLP y 17,2 meses para la SE (mejoró a 14,6 meses después del filtrado de características).
- Para la clasificación de muerte relacionada con tumores, el modelo logró un recall del 78,6% y una puntuación F1 de 0,44.
- Los predictores clave incluyeron el estadio clínico/patológico del tumor, el índice sistémico inmuno-inflamatorio (SII) y la posición del tumor en la vejiga.
Conclusiones:
- El modelo de IA muestra una promesa significativa en la predicción de la supervivencia y la causa de muerte para pacientes con cáncer de vejiga post-cistectomía.
- La estadificación clínica y patológica del tumor, el SII y la posición del tumor son factores predictivos cruciales.
- La IA ofrece una herramienta objetiva y basada en datos para mejorar la evaluación pronóstica personalizada y guiar las decisiones clínicas.
