Un nuevo estudio publicado en Radiology: Imaging Cancer ofrece resultados prometedores sobre el uso de la inteligencia artificial (IA) para predecir la presencia de metástasis en ganglios linfáticos axilares en pacientes con cáncer de mama.
La investigación compara el desempeño de dos modelos
- Un modelo de aprendizaje automático basado únicamente en características clínico-patológicas.
- Un modelo de red neuronal convolucional 4D (4D CNN) que integra datos clínicos y hallazgos de resonancia magnética mamaria (RM).
El modelo 4D CNN basado en imágenes supera al modelo clínico
Los resultados del estudio revelaron una ventaja significativa del modelo 4D CNN que combina imágenes de RM con datos clínicos:
- El modelo 4D CNN alcanzó un área bajo la curva (AUC) del 87% para predecir el estado de los ganglios axilares, lo que indica una capacidad de discriminación muy alta. En comparación, el modelo clínico basado únicamente en factores clínicos obtuvo un AUC del 63%.
- El modelo 4D CNN también demostró una sensibilidad del 89%, lo que significa que identificó correctamente a un alto porcentaje de pacientes con metástasis en ganglios linfáticos. El modelo clínico tuvo una sensibilidad del 75%.
- En cuanto a la especificidad, el modelo 4D CNN presentó un 76%, mientras que el modelo clínico alcanzó un 52%. La especificidad indica la capacidad de identificar correctamente a las pacientes sin metástasis.
Menor tasa de falsos negativos con el modelo 4D CNN
Un aspecto particularmente relevante del modelo 4D CNN es su tasa de falsos negativos significativamente menor (11%) en comparación con el modelo clínico (25%).
La tasa de falsos negativos se refiere a la cantidad de pacientes con metástasis que el modelo no identifica correctamente. Un valor bajo es crucial para evitar resultados negativos falsos que pudieran retrasar el diagnóstico y tratamiento adecuados.
Herramienta de diagnóstico para una detección más temprana
La alta sensibilidad y la baja tasa de falsos negativos del modelo 4D CNN sugieren su potencial como una herramienta de diagnóstico valiosa:
- Podría permitir la detección temprana de metástasis axilares, facilitando decisiones de tratamiento más oportunas.
- Podría contribuir a reducir en más del 50 por ciento las biopsias de ganglio linfático centinela (BLNC) benignas, evitando a las pacientes los posibles efectos secundarios asociados a este procedimiento invasivo, como linfedema, seroma, infección y dolor.
Si bien este estudio presenta resultados alentadores, se necesitan investigaciones adicionales para validar la eficacia del modelo 4D CNN en poblaciones más amplias y entornos clínicos diversos.
En conclusión, la integración de imágenes de resonancia magnética mamaria en un modelo de IA basado en redes neuronales convolucionales 4D se perfila como una herramienta prometedora para mejorar la predicción de metástasis en ganglios linfáticos axilares en pacientes con cáncer de mama.
Esta tecnología podría contribuir a un diagnóstico más temprano, una mejor selección de pacientes para biopsias y una reducción de procedimientos innecesarios, mejorando la calidad de la atención oncológica.
Para conocer más recomendamos visitar Radiology: Imaging Cancer.
0 comentarios