Radiómica por TC ayuda a clasificar los nódulos pulmonares pequeños
Por el equipo editorial de MedImaging en español Actualizado el 03 Feb 2021 |
Imagen: La radiómica por TC puede ayudar a clasificar la malignidad de los nódulos pulmonares (Fotografía cortesía de Getty Images)
Un algoritmo de aprendizaje automático (AA) puede ser muy exacto para clasificar los nódulos pulmonares muy pequeños que se encuentran en los programas de detección pulmonar por TC de dosis baja, según un estudio nuevo.
Investigadores del Centro de Investigación de Cáncer de la Columbia Británica (BCCRC; Vancouver, Canadá), entrenaron un algoritmo de AA de análisis discriminante lineal (LDA), utilizando datos del estudio Pancanadiense de Detección Temprana del Cáncer de Pulmón (PanCan) para caracterizar, analizar y clasificar nódulos pulmonares pequeños como malignos o benignos extrayendo aproximadamente 170 características radiómicas de textura y forma, siguiendo la segmentación de nódulos semiautomatizada en las imágenes. Luego compararon el desempeño del algoritmo con el de la calculadora de puntuación de riesgo de malignidad de próstata, pulmón, colorrectal y ovario (PLCO) m2012, en otro conjunto de datos.
La cohorte de estudio consistió en 139 nódulos malignos y 472 nódulos benignos que tenían aproximadamente el mismo tamaño. Los investigadores aplicaron restricciones de tamaño (basadas en los criterios de clasificación de Lung-RADS) para eliminar cualquier nódulo del conjunto de datos que ya se consideraría sospechoso, lo que incluiría cualquier nódulo con componentes sólidos de más de 8 mm de diámetro. Los resultados mostraron que el algoritmo de AA superó significativamente el modelo de predicción de riesgo (PLCO) m2012, especialmente cuando se agregaron datos demográficos al análisis radiómico. El estudio fue presentado en el Congreso Especial Virtual de la AACR sobre Inteligencia Artificial, Diagnóstico e Imagen, celebrado durante enero de 2021.
“Los mejores resultados se lograron en un subconjunto de pacientes menores de 64 años, mujeres, que no tenían enfisema, fumaban menos de 42 paquetes-año, no tenían antecedentes familiares de cáncer de pulmón y no eran fumadoras actuales”, dijo el autor principal y presentador del estudio, Rohan Abraham, PhD. “Combinado con el conocimiento y la experiencia de los médicos, esto tiene el potencial de permitir una intervención más temprana y reducir la necesidad de una TC de seguimiento”.
La clasificación actual de los nódulos pulmonares se basa en el tamaño del nódulo, un factor que es de uso limitado para los nódulos subcentimétricos, o en el tiempo de duplicación del volumen, una variable que requiere exámenes de TC de seguimiento. Como resultado, los nódulos pulmonares muy pequeños, con componentes sólidos de menos de 8 mm de diámetro (y, por lo tanto, por debajo del umbral de estratificación de riesgo Lung-RADS 4A), son muy difíciles de clasificar y, a menudo, se les da un plan de manejo de “esperar y ver”.
Enlace relacionado:
Centro de Investigación de Cáncer de la Columbia Británica
Investigadores del Centro de Investigación de Cáncer de la Columbia Británica (BCCRC; Vancouver, Canadá), entrenaron un algoritmo de AA de análisis discriminante lineal (LDA), utilizando datos del estudio Pancanadiense de Detección Temprana del Cáncer de Pulmón (PanCan) para caracterizar, analizar y clasificar nódulos pulmonares pequeños como malignos o benignos extrayendo aproximadamente 170 características radiómicas de textura y forma, siguiendo la segmentación de nódulos semiautomatizada en las imágenes. Luego compararon el desempeño del algoritmo con el de la calculadora de puntuación de riesgo de malignidad de próstata, pulmón, colorrectal y ovario (PLCO) m2012, en otro conjunto de datos.
La cohorte de estudio consistió en 139 nódulos malignos y 472 nódulos benignos que tenían aproximadamente el mismo tamaño. Los investigadores aplicaron restricciones de tamaño (basadas en los criterios de clasificación de Lung-RADS) para eliminar cualquier nódulo del conjunto de datos que ya se consideraría sospechoso, lo que incluiría cualquier nódulo con componentes sólidos de más de 8 mm de diámetro. Los resultados mostraron que el algoritmo de AA superó significativamente el modelo de predicción de riesgo (PLCO) m2012, especialmente cuando se agregaron datos demográficos al análisis radiómico. El estudio fue presentado en el Congreso Especial Virtual de la AACR sobre Inteligencia Artificial, Diagnóstico e Imagen, celebrado durante enero de 2021.
“Los mejores resultados se lograron en un subconjunto de pacientes menores de 64 años, mujeres, que no tenían enfisema, fumaban menos de 42 paquetes-año, no tenían antecedentes familiares de cáncer de pulmón y no eran fumadoras actuales”, dijo el autor principal y presentador del estudio, Rohan Abraham, PhD. “Combinado con el conocimiento y la experiencia de los médicos, esto tiene el potencial de permitir una intervención más temprana y reducir la necesidad de una TC de seguimiento”.
La clasificación actual de los nódulos pulmonares se basa en el tamaño del nódulo, un factor que es de uso limitado para los nódulos subcentimétricos, o en el tiempo de duplicación del volumen, una variable que requiere exámenes de TC de seguimiento. Como resultado, los nódulos pulmonares muy pequeños, con componentes sólidos de menos de 8 mm de diámetro (y, por lo tanto, por debajo del umbral de estratificación de riesgo Lung-RADS 4A), son muy difíciles de clasificar y, a menudo, se les da un plan de manejo de “esperar y ver”.
Enlace relacionado:
Centro de Investigación de Cáncer de la Columbia Británica
Últimas Radiografía noticias
- El sistema directo de imágenes de rayos X médicos basado en IA es un cambio de paradigma con respecto a radiografías digitales y TC convencionales
- Solución de IA para rayos X de tórax identifica, categoriza y resalta automáticamente áreas sospechosas
- IA diagnostica fracturas de muñeca tan bien como radiólogos
- Mamografía anual a partir de los 40 reduce mortalidad por cáncer de mama en 42 %
- GPS humano 3D impulsado por luz allana el camino para cirugía mínimamente invasiva sin radiación
- Nueva tecnología de IA podría revolucionar detección del cáncer en senos densos
- Solución de IA proporciona a radiólogos un "segundo par" de ojos para detectar cánceres de mama
- IA ayuda a radiólogos generales a lograr un rendimiento de nivel de especialista en interpretación de mamografías
- Novedosa técnica de imágenes podría transformar detección del cáncer de mama
- Programa informático combina IA y tecnología de imágenes térmicas para detección temprana de cáncer de mama
- IA supera a lectores humanos en detección de nódulos pulmonares en rayos X
- IA mejora interpretación de radiografías de tórax relacionadas con emergencias por profesionales no radiólogos
- Primera tecnología de IA personalizada en la industria revoluciona diagnóstico mamario de extremo a extremo
- Solución de rayos X de tórax impulsada por IA ofrece detección mejorada de nódulos pulmonares
- Sistema avanzado de rayos X ofrece solución dos en uno para fluoroscopia y radiología general
- IA ayuda a médicos a lograr mayor precisión diagnóstica en interpretación de radiografías de tórax