Modelo de aprendizaje automático interpretable clínicamente para predecir la dosis promedio cardíaca utilizando métricas simples basadas en BEV. | JoVE Visualize

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.