Un nuevo modelo de inteligencia artificial (IA) puede predecir con precisión el riesgo de muerte por cáncer de pulmón, enfermedad cardiovascular y otras causas mediante el uso de datos de tomografías computarizadas (TC) de baja dosis de los pulmones, según un estudio reciente . publicado por Xu et al en Radiología .
Fondo
El Grupo de trabajo de servicios preventivos de EE. UU. actualmente recomienda exámenes de detección de pulmón anuales con tomografías computarizadas de tórax de baja dosis para pacientes de 50 a 80 años con alto riesgo de cáncer de pulmón, como aquellos con un largo historial de tabaquismo. Junto con las imágenes de los pulmones, las exploraciones también brindan información sobre otras estructuras dentro del tórax.
La composición corporal anormal, como la obesidad y la pérdida de masa muscular, se ha relacionado con afecciones de salud crónicas, como trastornos metabólicos. Estudios previos han demostrado que la composición corporal es una medida útil en la estratificación del riesgo y el pronóstico de enfermedades cardiovasculares y enfermedad pulmonar obstructiva crónica. En la terapia del cáncer de pulmón, se ha demostrado que la composición corporal afecta la supervivencia y la calidad de vida.
"Cuando miramos las imágenes de TC, el enfoque principal es identificar nódulos sospechosos de cáncer de pulmón, pero hay mucha más información anatómica codificada en el espacio, incluida información sobre la composición corporal", explicó el autor principal del estudio, Kaiwen Xu, MS , candidato a doctorado en el Departamento de Ciencias de la Computación de la Universidad de Vanderbilt.
El Sr. Xu y sus colegas desarrollaron, probaron y publicaron previamente un algoritmo de inteligencia artificial diseñado para obtener automáticamente mediciones de la composición corporal a partir de tomografías computarizadas de baja dosis de los pulmones.
Métodos y resultados del estudio
En el estudio reciente, los investigadores examinaron las tomografías computarizadas de más de 200 000 pacientes que participaron en el National Lung Screening Trial para determinar los beneficios potenciales de las mediciones de la composición corporal derivadas de la IA. Los investigadores encontraron que incluir estas medidas en las evaluaciones de los pacientes mejoró la predicción del riesgo de mortalidad por cáncer de pulmón, mortalidad por enfermedad cardiovascular y mortalidad por todas las causas.
Además, las mediciones asociadas con la miosteatosis, que ahora se cree que son más predictivas de los resultados de salud que la masa muscular reducida, fueron predictores particularmente fuertes de mortalidad, un hallazgo consistente con estudios previos, según los investigadores.
Conclusiones
“Las imágenes de una tomografía computarizada solicitada para un propósito bastante diferente, en nuestro caso, la detección temprana de cáncer de pulmón, contienen mucha más información”, sugirió el Sr. Xu. "En el espacio de la tomografía computarizada [exploración] de tórax utilizada para las pruebas de detección de cáncer de pulmón, también se puede verificar otra información, como la composición corporal o la calcificación de la arteria coronaria, que está directamente asociada con el riesgo de enfermedad cardiovascular", anotó.
Las mediciones de la composición corporal de las tomografías computarizadas de baja dosis de los pulmones pueden proporcionar mayores exámenes de detección oportunistas, donde las imágenes obtenidas para un propósito pueden ofrecer información sobre otras condiciones. El nuevo modelo de IA puede tener el potencial de ayudar a los médicos en entornos clínicos de rutina.
“La composición corporal automática de la IA amplía potencialmente el valor de los exámenes de detección de pulmón con TC de dosis baja más allá de la detección temprana del cáncer de pulmón”, destacó el Sr. Xu. “Puede ayudarnos a identificar [pacientes] de alto riesgo para intervenciones como acondicionamiento físico o modificaciones en el estilo de vida, incluso en una etapa muy temprana antes del inicio de la enfermedad”, enfatizó.
Los investigadores concluyeron que esperan evaluar más a fondo los beneficios potenciales de su modelo de IA en estudios futuros con períodos de seguimiento más prolongados para comprender mejor cómo los cambios en la composición corporal pueden relacionarse con los resultados de salud.
Divulgación:
para ver las divulgaciones completas de los autores del estudio, visite ubs.rsna.org .
El contenido de esta publicación no ha sido revisado por la Sociedad Estadounidense de Oncología Clínica, Inc. (ASCO®) y no refleja necesariamente las ideas y opiniones de ASCO®.
Comments