La radiómica predice los beneficios que los pacientes pueden obtener de la quimioterapia
Por el equipo editorial de MedImaging en español Actualizado el 10 Apr 2019 |
Imagen: Los mapas de características radiológicas muestran las diferencias entre las lesiones en los respondedores y los que no responden en la TC pretratamiento (Fotografía cortesía de la Clínica Cleveland).
Según un estudio nuevo, los datos recuperados de las imágenes de tomografía computarizada (TC) pueden ser capaces de predecir qué pacientes de cáncer de pulmón responderán a la quimioterapia.
Investigadores de la Universidad Case Western Reserve (CWRU; Cleveland, OH, EUA), la Clínica Cleveland (CC; OH, EUA) y otras instituciones, analizaron retrospectivamente datos de 125 pacientes con cáncer de pulmón no microcítico (CPNM) tratados con quimioterapia doble con platino basada en pemetrexed, para identificar el papel de las características de la textura de la radiómica, tanto dentro como fuera del nódulo, en la predicción del tiempo de progresión (TTP), la supervivencia global (SG) y la respuesta a la quimioterapia.
Los pacientes se dividieron al azar en dos conjuntos, con la restricción de que debía haber un número igual de respondedores y no respondedores en el conjunto de entrenamiento. El conjunto de entrenamiento comprendía 53 pacientes con CPNM, y el conjunto de validación comprendía 72 pacientes. Se utilizó un clasificador de aprendizaje automático entrenado, con características de textura radiológica extraídas de regiones intra y peritumorales de imágenes de TC sin contraste para predecir la respuesta a la quimioterapia. La firma de puntuación de riesgo radiómica se generó utilizando el operador de selección y contracción mínima absoluta, y también se evaluó la asociación de la firma radiómica con la TTP y la SG.
Los resultados mostraron que las características radiológicas derivadas del tumor y del área alrededor del tumor fueron capaces de diferenciar entre los pacientes que respondieron a la quimioterapia y los que no lo hicieron con una exactitud de 0,77. Además, las características radiológicas predijeron la TTP y la SG, y el análisis de la curva de decisión demostró que en términos de utilidad clínica, la firma de radiómica tenía un beneficio neto general más alto en la predicción de pacientes de alto riesgo que debían recibir tratamiento que las mediciones clínico-patológicas. El estudio fue publicado el 20 de marzo de 2019 en la revista Radiology: Artificial Intelligence.
“Este es el primer estudio que demuestra que los patrones de heterogeneidad o diversidad extraídos por computadora de fuera del tumor fueron predictivos de la respuesta a la quimioterapia”, dijo la coautora y autora principal, Mónica Khunger, MD, de la CC. “Esto es muy importante porque podría permitir predecir, antes de la terapia, qué pacientes con cáncer de pulmón probablemente respondan o no. Esto podría ayudar a identificar a los pacientes que probablemente no respondan a la quimioterapia para terapias alternativas como la radiación o la inmunoterapia”.
La radiómica es una extensión del diagnóstico asistido por computadora y se refiere a la cuantificación integral de los fenotipos tumorales mediante la extracción de un gran número de características de imagen cuantitativas para realizar minería de datos y medicina de precisión. En los últimos años, la radiografía ha extraído con éxito una variedad de características clínicamente relevantes, combinándolas en firmas, para determinar la probabilidad de malignidad de las lesiones de cáncer de mama identificadas.
Enlace relacionado:
Universidad Case Western Reserve
Clínica Cleveland
Investigadores de la Universidad Case Western Reserve (CWRU; Cleveland, OH, EUA), la Clínica Cleveland (CC; OH, EUA) y otras instituciones, analizaron retrospectivamente datos de 125 pacientes con cáncer de pulmón no microcítico (CPNM) tratados con quimioterapia doble con platino basada en pemetrexed, para identificar el papel de las características de la textura de la radiómica, tanto dentro como fuera del nódulo, en la predicción del tiempo de progresión (TTP), la supervivencia global (SG) y la respuesta a la quimioterapia.
Los pacientes se dividieron al azar en dos conjuntos, con la restricción de que debía haber un número igual de respondedores y no respondedores en el conjunto de entrenamiento. El conjunto de entrenamiento comprendía 53 pacientes con CPNM, y el conjunto de validación comprendía 72 pacientes. Se utilizó un clasificador de aprendizaje automático entrenado, con características de textura radiológica extraídas de regiones intra y peritumorales de imágenes de TC sin contraste para predecir la respuesta a la quimioterapia. La firma de puntuación de riesgo radiómica se generó utilizando el operador de selección y contracción mínima absoluta, y también se evaluó la asociación de la firma radiómica con la TTP y la SG.
Los resultados mostraron que las características radiológicas derivadas del tumor y del área alrededor del tumor fueron capaces de diferenciar entre los pacientes que respondieron a la quimioterapia y los que no lo hicieron con una exactitud de 0,77. Además, las características radiológicas predijeron la TTP y la SG, y el análisis de la curva de decisión demostró que en términos de utilidad clínica, la firma de radiómica tenía un beneficio neto general más alto en la predicción de pacientes de alto riesgo que debían recibir tratamiento que las mediciones clínico-patológicas. El estudio fue publicado el 20 de marzo de 2019 en la revista Radiology: Artificial Intelligence.
“Este es el primer estudio que demuestra que los patrones de heterogeneidad o diversidad extraídos por computadora de fuera del tumor fueron predictivos de la respuesta a la quimioterapia”, dijo la coautora y autora principal, Mónica Khunger, MD, de la CC. “Esto es muy importante porque podría permitir predecir, antes de la terapia, qué pacientes con cáncer de pulmón probablemente respondan o no. Esto podría ayudar a identificar a los pacientes que probablemente no respondan a la quimioterapia para terapias alternativas como la radiación o la inmunoterapia”.
La radiómica es una extensión del diagnóstico asistido por computadora y se refiere a la cuantificación integral de los fenotipos tumorales mediante la extracción de un gran número de características de imagen cuantitativas para realizar minería de datos y medicina de precisión. En los últimos años, la radiografía ha extraído con éxito una variedad de características clínicamente relevantes, combinándolas en firmas, para determinar la probabilidad de malignidad de las lesiones de cáncer de mama identificadas.
Enlace relacionado:
Universidad Case Western Reserve
Clínica Cleveland
Últimas Imaginología General noticias
- Tecnología de imágenes proporciona nuevo enfoque innovador para diagnosticar y tratar cáncer de intestino
- Puntuación de calcio coronario por TC predice ataques cardíacos y accidentes cerebrovasculares
- Modelo de IA detecta 90 % de casos de cáncer linfático a partir de imágenes de PET y TC
- El algoritmo de aprendizaje profundo basado en TC diferencia con precisión las fracturas vertebrales benignas de las malignas
- Tecnología innovadora revoluciona imágenes mamarias
- Sistema de última generación mejora la precisión de procedimientos intervencionistas y diagnóstico guiados por imágenes
- Dispositivo basado en catéter con nuevo enfoque de imágenes cardiovasculares ofrece visión sin precedentes de placas peligrosas
- Modelo de IA dibuja mapas para identificar con precisión tumores y enfermedades en imágenes médicas
- Sistema de TC habilitado por IA proporciona resultados de imágenes más precisos y confiables
- Exámenes de TC tórax de rutina pueden identificar pacientes con riesgo de enfermedad cardiovascular
- Software de planificación quirúrgica preoperatoria de RA hace que la cirugía sea más segura y eficiente
- Biopsia virtual impulsada por IA ayuda a evaluar cáncer de pulmón a partir de exploraciones médicas
- Nuevos materiales imprimibles en 3D para cirugía reconstructiva se pueden monitorear mediante rayos X o TC
- TC con conteo de fotones mejora evaluación de enfermedad arterial coronaria
- Nuevo radiotrazador ilumina exploración PET para detección más temprana de enfermedades
- Sistema de IA combina imágenes por TC con datos clínicos y genéticos para detección temprana del cáncer de pulmón