Precisión diagnóstica de la inteligencia artificial para predecir la metilación del promotor MGMT en el glioblastoma utilizando imágenes de resonancia magnética: una revisión sistemática

Área de la Ciencia:

• Neuro-oncología y neuro-oncología.
• Radiología Radiología.
• La inteligencia artificial en la medicina.

Sus antecedentes:

• El glioblastoma (GBM) es un tumor cerebral agresivo con opciones de tratamiento limitadas.
• La metilación del promotor de la O6-metilguanina-ADN-metiltransferasa (MGMT) es un biomarcador clave para predecir la respuesta a la quimioterapia.
• Las pruebas actuales de metilación de MGMT requieren una biopsia de tejido invasiva.

Objetivo del estudio:

• Evaluar sistemáticamente la precisión diagnóstica de los modelos de IA que utilizan la resonancia magnética para la predicción no invasiva del estado de metilación del promotor MGMT en GBM.
• Evaluar el potencial del análisis de resonancia magnética impulsado por IA como una alternativa al muestreo de tejido invasivo para la evaluación de biomarcadores de GBM.

Principales métodos:

• Se realizó una búsqueda sistemática de la literatura en varias bases de datos (PubMed, Scopus, etc.) para identificar los estudios relevantes.
• 14 estudios cumplieron con los criterios de inclusión, con datos extraídos de la arquitectura del modelo de IA, secuencias de resonancia magnética y métricas de rendimiento diagnóstico.
• Se utilizó el modelado de efectos aleatorios bivariados para agrupar la sensibilidad y la especificidad; la meta-regresión analizó el impacto del tipo de modelo de IA. La calidad del estudio se evaluó utilizando QUADAS-2.

Principales resultados:

• La sensibilidad agrupada fue de 0,536 (95% IC: 0,509-0,563) y la especificidad agrupada fue de 0,514 (95% IC: 0,454-0,574), con un AUC de 0,56.
• Los modelos de IA de alto rendimiento incorporaron entradas multimodal de resonancia magnética y arquitecturas como MGMT-net y transformadores.
• Se observó un menor rendimiento con la segmentación automatizada y las entradas de resonancia magnética de secuencia única. La mayoría de los estudios tenían un bajo riesgo de sesgo, pero algunos plantearon preocupaciones sobre los umbrales y la validación externa.

Conclusiones:

• Los modelos de resonancia magnética basados en IA demuestran un potencial de moderado a alto para la predicción no invasiva de la metilación de MGMT en GBM.
• Existe una heterogeneidad significativa en los diseños de los estudios, los protocolos de imágenes y los métodos de validación.
• Las metodologías estandarizadas y la validación externa rigurosa son cruciales para la adopción clínica de estas herramientas de IA.