Video Experimental Relacionado
Updated: Feb 24, 2026
Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
Modelo de aprendizaje automático interpretable clínicamente para predecir la dosis promedio cardíaca utilizando
1Department of Radiation Physics, Kidwai Memorial Institute of Oncology, Bengaluru, Karnataka 560029, India.
El aprendizaje automático predice con precisión la dosis cardíaca media (MHD, por sus siglas en inglés) en la radioterapia del cáncer de mama utilizando métricas simples de visión de ojo de haz (BEV, por sus siglas en inglés). Esto permite la selección temprana de técnicas de ahorro cardíaco para reducir la toxicidad cardíaca inducida por la radiación.
Área de la Ciencia:
- Radioncología Oncología de Radiación.
- Física médica La física médica es la física médica.
- Aprendizaje automático en el cuidado de la salud
Sus antecedentes:
- La toxicidad cardíaca inducida por la radiación es una preocupación significativa en la radioterapia del cáncer de mama del lado izquierdo.
- La dosis cardíaca media (MHD) es un predictor clave de la morbilidad cardíaca a largo plazo.
- La predicción precisa de la MHD es crucial para la implementación de estrategias de ahorro cardíaco.
Objetivo del estudio:
- Desarrollar un modelo de aprendizaje automático clínicamente interpretable para predecir MHD.
- Para utilizar métricas simples de proyección cardíaca basadas en la visión del ojo del haz (BEV) para la predicción de MHD.
- Para permitir una rápida evaluación previa al tratamiento y la selección de técnicas de radioterapia.
Principales métodos:
- Análisis retrospectivo de 127 pacientes sometidos a radioterapia en el seno izquierdo/pared torácica con irradiación nodal supraclavicular.
- Medición de las proyecciones del corazón (horizontales y verticales) desde campos tangenciales.
- Desarrollo de modelos de regresión lineal multivariable y regresión logística utilizando validación cruzada.
Principales resultados:
- El modelo de regresión lineal mostró un fuerte rendimiento predictivo (R2=0.69, RMSE=0.61 Gy) y una correlación significativa (r=0.83, p<0.001).
- La validación independiente mejoró aún más la precisión de la predicción (R2=0.76, r=0.90, p<0.001).
- El clasificador logístico logró una precisión del 88% y una alta discriminación (AUC = 0,95) para la selección de la técnica basada en la dosis.
Conclusiones:
- Las métricas simples de proyección cardíaca basadas en BEV pueden predecir de manera confiable la MHD en la radioterapia del cáncer de mama del lado izquierdo.
- Los modelos de aprendizaje automático desarrollados ofrecen una herramienta práctica para la evaluación previa al tratamiento.
- Este enfoque apoya la selección temprana de técnicas de radioterapia que ahorran el corazón, lo que potencialmente reduce la morbilidad cardíaca.
