Blog

Nov 02, 2023

El uso de IA con exámenes LDCT previos mejora la evaluación del riesgo de nódulos pulmonares

3 de agosto de 2023: un algoritmo de aprendizaje profundo que incorpora información de exámenes previos de TC de dosis baja (LDCT) es más eficaz para estimar el riesgo de malignidad de los nódulos pulmonares a tres años que

3 de agosto de 2023: investigadores han descubierto que un algoritmo de aprendizaje profundo que incorpora información de exámenes de TC de dosis baja (LDCT) anteriores es más eficaz para estimar el riesgo de malignidad de los nódulos pulmonares a tres años que los modelos que utilizan un solo examen de TC .

Los resultados del estudio subrayan cómo agregar IA a los datos de imágenes puede ayudar a los radiólogos a caracterizar mejor los nódulos pulmonares encontrados en la LDCT, una tarea que puede ser difícil, según un equipo dirigido por Kiran Venkadesh del Centro Médico de la Universidad de Radboud en Nijmegen, Países Bajos. La investigación del grupo se publicó el 1 de agosto en Radiology.

"Es un desafío para los radiólogos identificar y monitorear nódulos potencialmente malignos", escribió el grupo. "A pesar de la presencia de pautas para el manejo de nódulos, la caracterización precisa sigue siendo tediosa y está sujeta a la variabilidad entre lectores e intralectores... La inteligencia artificial que utiliza el aprendizaje profundo ha demostrado resultados prometedores para estimar con precisión el riesgo de malignidad de los nódulos pulmonares, especialmente en comparación con el análisis histopatológico. estándares de referencia basados ​​en ellos."

El cáncer de pulmón causa la mayor cantidad de muertes relacionadas con el cáncer en todo el mundo, y el diagnóstico temprano mediante pruebas periódicas de LDCT es clave para mejorar los resultados de los pacientes, explicó el equipo. Pero la LDCT puede detectar nódulos pulmonares que son benignos, por lo que es importante desarrollar herramientas que puedan ayudar a los médicos a caracterizarlos mejor. Los algoritmos de IA son prometedores a este respecto, según Venkadesh y sus colegas.

Los investigadores evaluaron el rendimiento de un algoritmo de aprendizaje profundo que incorpora información previa del examen LDCT, comparando esta combinación con un algoritmo de aprendizaje profundo más un único examen LDCT y el modelo del Estudio Pancanadiense de Detección Temprana del Cáncer de Pulmón (PanCan) (PanCan es un estudio que utiliza un algoritmo de predicción de riesgos para evaluar la rentabilidad del cribado del cáncer de pulmón).

El conjunto de entrenamiento del algoritmo de aprendizaje profundo constaba de 10.508 nódulos (422 de los cuales eran malignos, o el 4%) en 4.902 participantes del ensayo; Los datos del conjunto de entrenamiento provienen del Ensayo Nacional de Detección Pulmonar (NLST). Dos conjuntos de pruebas consistieron en 129 nódulos (43 de los cuales eran malignos, o el 33%) y 126 nódulos (42 de los cuales eran malignos, también el 33%); Estos datos provienen del ensayo danés de detección de cáncer de pulmón (DLCST) y del ensayo multicéntrico italiano de detección de pulmón (MILD).

El algoritmo de aprendizaje profundo que incorporó datos de exámenes LDCT anteriores superó tanto al algoritmo más un único examen LDCT como al modelo PanCan, informó el equipo.

El estudio hace una valiosa contribución a la literatura actual, escribieron Carolyn Horst, PhD, del King's College London en el Reino Unido y su colega Mizuki Nishino, MD, del Brigham and Women's Cancer Center en Boston en un comentario adjunto.

"La investigación publicada por Venkadesh et al es el primer paso en el uso de inteligencia artificial en imágenes longitudinales dentro del ámbito de detección del cáncer de pulmón, allanando el camino para la integración de inteligencia artificial e imágenes en serie para lograr mejores resultados tanto para los participantes como para los programas de detección". ellos escribieron.

El estudio completo se puede encontrar aquí.