Detección Oportunista de Cáncer de Páncreas mediante Imágenes de Tomografía Computarizada e Informes de Radiología

Área de la Ciencia:

• Oncología
• Radiología
• Inteligencia Artificial

Sus antecedentes:

• El adenocarcinoma ductal pancreático (PDAC) es un cáncer letal con mal pronóstico.
• El diagnóstico en etapa tardía es común, lo que requiere métodos mejorados de detección temprana y estratificación de riesgos.

Objetivo del estudio:

• Desarrollar y evaluar modelos de fusión de aprendizaje profundo para predecir el riesgo de PDAC.
• Integrar informes de radiología y datos de imágenes de TC para mejorar la precisión pronóstica.

Principales métodos:

• Implementación y evaluación de modelos de fusión de aprendizaje profundo, específicamente DeepSurv.
• Utilización de un conjunto de datos combinado de informes de radiología e imágenes de TC para la estimación del riesgo de supervivencia.
• Validación en conjuntos de datos internos y externos.

Principales resultados:

• El modelo DeepSurv logró un índice de concordancia (C-index) de 0.6773 (interno) y 0.6596 (externo) para el riesgo de supervivencia a 5 años.
• El análisis de Kaplan-Meier mostró una diferenciación significativa (p<0.0001) entre los grupos de riesgo bajo y alto predichos.
• Demostró la capacidad del modelo para estratificar eficazmente a los pacientes según el riesgo de supervivencia.

Conclusiones:

• Los modelos de supervivencia de aprendizaje profundo que integran datos clínicos y de imagen muestran un potencial significativo para la predicción del riesgo de PDAC.
• Estos modelos pueden ayudar en la detección temprana y las estrategias de tratamiento personalizadas para el cáncer de páncreas.
• La investigación adicional puede refinar estos enfoques impulsados por IA para mejorar los resultados de los pacientes.