DeltaWorks/Pixabay
La visión por computadora de inteligencia artificial (IA) está logrando avances significativos en la atención médica digital. Un nuevo estudio publicado en IEEE Journal of Translational Engineering in Health and Medicine demuestra cómo un método de IA puede predecir los resultados de la terapia en pacientes con metástasis cerebrales (cáncer que se ha propagado al cerebro desde otro órgano) mejor que los oncólogos.
«Los modelos de aprendizaje profundo se han mostrado muy prometedores en el reconocimiento de aspectos importantes y distintivos de los datos de imágenes médicas en diversas aplicaciones, incluida la terapéutica del cáncer», escribieron los investigadores afiliados al Instituto de Investigación Sunnybrook en Toronto, Canadá, la Universidad de York y la Universidad de Toronto que realizaron el nuevo estudio.
El cáncer de cerebro metastásico, también llamado tumor cerebral secundario, ocurre cuando las células cancerosas se propagan (hacen metástasis) desde su ubicación original al cerebro al viajar a través del sistema linfático o del torrente sanguíneo. Las células que forman tumores cerebrales metastásicos pueden provenir de cualquier órgano y, a menudo, provienen de cánceres de mama, pulmón, piel (melanoma), colon, intestinos, riñón, tiroides u ovarios. Hasta el 20 por ciento de los pacientes con cáncer desarrollarán un tumor cerebral metastásico según Yale Medicine.
Los síntomas de los tumores cerebrales metastásicos pueden incluir dolores de cabeza constantes que empeoran con el tiempo, convulsiones, cambios emocionales, cambios de personalidad, náuseas, vómitos, problemas de memoria, incapacidad para mover partes del cuerpo como un brazo o una pierna, problemas auditivos, cambios en la visión, debilidad o entumecimiento en un lado del cuerpo, problemas de equilibrio, problemas para tragar, somnolencia y dificultad para comprender o expresar el habla.
La radioterapia se usa con frecuencia para tratar las metástasis cerebrales y controlar los síntomas. Se puede usar un tratamiento de radiación dirigido llamado radiocirugía o cirugía estereotáctica para tratar a las personas con solo unas pocas metástasis.
«Una proporción notable de metástasis cerebrales (BM) más grandes no se controlan localmente después de la radioterapia estereotáctica, y pueden pasar meses antes de que la progresión local sea evidente en las imágenes de seguimiento estándar», escribieron los investigadores. «Este trabajo propone e investiga nuevos modelos explicables de aprendizaje profundo para predecir el resultado de la radioterapia para BM».
Para crear y optimizar el modelo de IA, los investigadores utilizaron datos de imágenes de resonancias magnéticas (MRI) de 124 pacientes con metástasis cerebrales con 156 lesiones que fueron tratados con tratamientos de radiación en dosis más altas administrados durante un período más corto que la radiación convencional llamada hipo. -Radioterapia estereotáctica fraccionada. El modelo de aprendizaje profundo se probó con un conjunto de datos diferente que constaba de 25 pacientes con 40 lesiones.
“Los modelos profundos, y especialmente las redes neuronales convolucionales (CNN), pueden detectar patrones texturales complejos en el tejido, distinguir entre células malignas y benignas y posiblemente derivar información de imágenes tumorales para la predicción del resultado de la terapia”, escribieron los científicos. “En consecuencia, las CNN pueden potencialmente superar a los modelos radiómicos tradicionales en aplicaciones de diagnóstico y pronóstico para oncología de precisión al detectar patrones en imágenes médicas que no son capturadas por definiciones matemáticas de forma cerrada de características radiómicas hechas a mano”.
Los investigadores utilizaron BiT-HyperRule para la selección de hiperparámetros y los modelos se entrenaron utilizando un algoritmo de optimización de descenso de gradiente estocástico (SGD). El equipo creó una nueva arquitectura de red convolucional de transformador que consiste en aprendizaje residual (red residual 3D) con un mecanismo de autoatención llamado CBAM (módulo de atención de bloque convolucional). El mecanismo de autoatención permite que el algoritmo de IA aprenda en qué áreas de las imágenes debe enfocarse más para el procesamiento y la predicción.
«Este estudio demuestra el potencial de las funciones de aprendizaje profundo guiadas por la autoatención derivadas de la resonancia magnética volumétrica en la predicción de resultados de radioterapia para BM», informaron los investigadores.
Según una declaración de la Universidad de York, los investigadores probaron diferentes modelos de IA y su modelo de mejor rendimiento logró una precisión del 83 por ciento, que es más alta que la de los oncólogos humanos que, en promedio, logran una precisión del 65 por ciento en la predicción del fracaso de la radioterapia en la metástasis cerebral.
Educación Lecturas esenciales
“Los resultados obtenidos son prometedores y alientan futuros estudios en poblaciones de pacientes más grandes”, concluyeron los investigadores. Con esta prueba de concepto exitosa, la investigación de seguimiento sugerida sería utilizar cohortes de pacientes más grandes y datos multiinstitucionales antes de desarrollar un ensayo clínico en el futuro.
Copyright © 2022 Cami Rosso Todos los derechos reservados.
Comentarios recientes