Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

MedImaging

Deascargar La Aplicación Móvil
Noticias Recientes Radiografía RM Ultrasonido Medicina Nuclear Imaginología General TI en Imaginología Industria

Análisis de TC basado en IA predice daño renal en etapa temprana causado por tratamientos contra el cáncer

Por el equipo editorial de MedImaging en español
Actualizado el 19 May 2025

La terapia con radioligandos, una forma de medicina nuclear dirigida, ha cobrado relevancia recientemente por su potencial en el tratamiento de tipos específicos de tumores. Sin embargo, uno de los posibles efectos secundarios de esta terapia es el deterioro de la función renal durante el tratamiento. Ahora, investigadores han desarrollado un método para predecir el daño renal en etapas tempranas causado por ciertas terapias contra el cáncer. Este daño puede detectarse observando una ligera contracción de los riñones, que ocurre meses antes de cualquier deterioro medible de la función renal. El equipo identificó esta tendencia mediante el análisis de tomografías computarizadas con un algoritmo basado en inteligencia artificial (IA). También observaron cambios similares en el bazo. Estos hallazgos podrían permitir ajustes tempranos en el tratamiento para prevenir un daño orgánico mayor.

En su última investigación, un equipo de la Universidad Técnica de Múnich (TUM, Múnich, Alemania) estudió datos de 121 pacientes sometidos a tratamiento para el cáncer de próstata con lutecio-177 PSMA. En un estudio anterior, habían descubierto que los pacientes que experimentaban un deterioro en la función renal tras esta terapia mostraban cambios estructurales en los riñones. Dado que la obtención rutinaria de muestras de tejido no es práctica, el equipo buscó determinar si estos cambios podían detectarse mediante métodos menos invasivos. El enfoque elegido pretendía evitar cualquier carga adicional para los pacientes, ya que las tomografías computarizadas y los análisis de sangre forman parte estándar del seguimiento del tratamiento oncológico. Los investigadores analizaron diversos indicadores obtenidos de estos datos rutinarios con el objetivo de identificar señales tempranas de daño renal.


Imagen: las tomografías computarizadas se toman de manera rutinaria durante el tratamiento del cáncer (foto cortesía de Astrid Eckert/TUM)
Imagen: las tomografías computarizadas se toman de manera rutinaria durante el tratamiento del cáncer (foto cortesía de Astrid Eckert/TUM)

Aunque factores como la longitud del riñón o la edad del paciente no proporcionaron predicciones fiables, los cambios en el volumen renal resultaron ser una señal contundente. En concreto, cuando el volumen renal disminuyó un 10 % o más durante los primeros seis meses de tratamiento, existía una alta probabilidad de que la función renal se deteriorara significativamente en los seis meses siguientes. Estos cambios en el volumen renal son sutiles y pueden pasarse por alto fácilmente durante las evaluaciones rutinarias de imágenes, en las que los médicos suelen centrarse en el seguimiento de tumores y otros hallazgos críticos. Sin embargo, con algoritmos de análisis de imágenes adecuadamente entrenados, incluso estos cambios menores pueden detectarse con fiabilidad.

“Si se hace evidente que un paciente tiene un mayor riesgo de insuficiencia renal después de seis meses de tratamiento, tanto el número de ciclos de terapia como la dosis se pueden ajustar individualmente”, explicó la autora principal, la Dra. Lisa Steinhelfer.

Enlaces relacionados:
Universidad Técnica de Múnich


Portable X-ray Unit
AJEX140H
New
Leg Wraps
Leg Wraps
X-ray Diagnostic System
FDX Visionary-A
40/80-Slice CT System
uCT 528

Últimas Imaginología General noticias

Herramienta basada en aprendizaje profundo mejora el diagnóstico del cáncer de hígado

Sistema de imágenes impulsado por IA mejora el diagnóstico del cáncer de pulmón

Modelo de IA mejora las capacidades de la tomografía computarizada de baja dosis