Herramienta de IA predice riesgo de cáncer de pulmón a partir de TC de tórax de dosis baja
Por el equipo editorial de MedImaging en español Actualizado el 17 Jan 2023 |
El cáncer de pulmón es la principal causa de muerte por cáncer en el mundo. Se recomienda la tomografía computarizada de dosis baja (TCBD) de tórax para evaluar a las personas en el grupo etario de 50 a 80 años que tienen un historial significativo de tabaquismo o que actualmente fuman. Los estudios han demostrado que la detección con TCBD puede reducir el riesgo de muerte por cáncer de pulmón hasta en un 24 %. Sin embargo, con el aumento de las tasas de cáncer de pulmón entre los no fumadores, existe la necesidad de nuevas estrategias para detectar y predecir con precisión el riesgo de cáncer de pulmón entre una población más amplia. Ahora, los investigadores han desarrollado y probado una herramienta de inteligencia artificial (IA) que predice con precisión el riesgo de cáncer de pulmón para las personas con o sin un historial significativo de tabaquismo en función del análisis de las exploraciones TCBD de los pacientes.
Con el fin de ayudar a mejorar la eficiencia de la detección del cáncer de pulmón y proporcionar evaluaciones individualizadas, investigadores del Mass General Cancer Center (Boston, MA, EUA), en colaboración con investigadores del Instituto Tecnológico de Massachusetts (MIT, Cambridge, MA, EUA) , han desarrollado Sybil, un modelo de aprendizaje profundo que analiza los escaneos y predice el riesgo de cáncer de pulmón para los próximos uno a seis años. En su estudio, el equipo validó Sybil utilizando tres conjuntos de datos independientes: un conjunto de escaneos de más de 6.000 participantes de NLST (estudio nacional de detección pulmonar de EUA) que Sybil no había visto antes; 8.821 TCBD de EUA; y 12.280 TCBD de Taiwán. El último conjunto de escaneos incluyó a personas con una variedad de antecedentes de tabaquismo, incluidos aquellos que nunca fumaron.
Los investigadores encontraron que Sybil podía predecir con precisión el riesgo de cáncer de pulmón en estos conjuntos. El equipo determinó la precisión de Sybil utilizando el área bajo la curva (AUC), que mide qué tan bien una prueba distingue entre muestras enfermas y normales y en la que 1.0 se considera una puntuación perfecta. Sybil pudo predecir el cáncer en un rango de un año con AUC de 0,92 para los participantes adicionales del NLST, 0,86 para el conjunto de datos del MGH y 0,94 para el conjunto de datos de Taiwán. Sybil predijo el cáncer de pulmón dentro de los seis años con AUC de 0,75, 0,81 y 0,80, respectivamente, para los tres conjuntos de datos. Los investigadores ahora comenzarán un ensayo clínico prospectivo para probar Sybil en el mundo real y ver cómo puede ayudar a los radiólogos.
"Sybil requiere solo una TCBD y no depende de los datos clínicos ni de las anotaciones del radiólogo", dijo el coautor Florian Fintelmann, MD, del Departamento de Radiología, División de Imagen e Intervención Torácica del Hospital General de Massachusetts. "Fue diseñado para ejecutarse en tiempo real en el fondo de una estación de lectura de radiología estándar que permite el soporte de decisiones clínicas en el punto de atención".
Últimas Imaginología General noticias
- Nuevo análisis de sangre podría reducir la necesidad de imágenes PET en pacientes con Alzheimer
- Procedimiento mínimamente invasivo podría ayudar a pacientes a evitar la cirugía de tiroides
- Arco en C móvil autónomo reduce tiempo de obtención de imágenes durante la cirugía
- Aplicación RA convierte escaneos médicos en hologramas para ayudar en planificación quirúrgica
- 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