Un nuevo sistema automatizado calcula el volumen metabólico del tumor en el linfoma difuso de células B grandes

Un nuevo sistema automatizado calcula el volumen metabólico del tumor en el linfoma difuso de células B grandes

Investigadores del Sylvester Comprehensive Cancer Center de la Facultad de Medicina Miller de la Universidad de Miami han desarrollado un nuevo método automatizado para calcular el volumen tumoral metabólico (MTV) en el linfoma difuso de células B grandes (DLBCL). Estos resultados podrían facilitar enormemente los cálculos del volumen del tumor para estudios clínicos y potencialmente para la atención del paciente. El estudio fue publicado en Cánceres.

"El volumen metabólico del tumor puede tener un impacto profundo en los resultados de los pacientes, pero hasta ahora no ha habido una forma automatizada de calcularlo", afirmó el Dr. Juan Pablo Alderuccio, profesor asociado de medicina en la División de Hematología y coautor del estudio. "Ahora hemos desarrollado un sistema basado en inteligencia artificial para obtener volúmenes tumorales precisos, más rápido y con menos intervención humana".

Los pacientes con linfoma con volúmenes tumorales más grandes tienden a tener pronósticos más difíciles. Como resultado, los médicos quisieron estratificar a los pacientes según el MTV, pero esto resultó bastante difícil. El software existente es sólo semiautomático, lo que significa que los radiólogos deben prestar mucha atención a los resultados y, a menudo, completar la información faltante, lo que puede ser un proceso que requiere mucho tiempo.

Cuando leemos una PET, hay tanto lesiones patológicas como estructuras normales que se iluminan. Los radiólogos revisan estas imágenes y distinguen entre lesiones y procesos benignos. La mayoría de los programas de software no pueden distinguir entre algo que es benigno o que tiene una actividad fisiológica normal y un tumor”.

Russ Kuker, MD, profesor asociado de radiología en el Departamento de Medicina Nuclear y primer autor del estudio

Métricas mejores y más rápidas

Anticuerpos de libros electrónicos

Recopilación de las principales entrevistas, artículos y noticias del último año. Descargue una copia gratuita

En el estudio, los investigadores probaron un nuevo enfoque basado en el aprendizaje profundo que automatiza completamente los cálculos de MTV. El Dr. Kuker y sus colegas utilizaron métodos tradicionales semiautomáticos para calcular el MTV en 100 pacientes. Por otra parte, el físico médico y coautor Fei Yang, Ph.D., del Departamento de Oncología Radioterápica revisó las mismas exploraciones utilizando algoritmos de aprendizaje profundo.

"Descubrimos que los resultados estaban altamente correlacionados", dijo el Dr. Alderuccio. "Pero lo más importante es que, en lugar de tomar hasta 30 minutos para encontrar la respuesta para cada escaneo, el enfoque de aprendizaje automático tomó alrededor de cinco minutos. Al reducir significativamente el tiempo de lectura, esto abre la puerta al uso de MTV en ensayos clínicos porque se puede utilizar en un gran número de pacientes y obtener los resultados inmediatamente".

Este proyecto fue un esfuerzo multidisciplinario apoyado por Craig Moskowitz, M.D., médico jefe del Sylvester Comprehensive Cancer Center, e iniciado por Alan Pollack, M.D., Ph.D., presidente del Departamento de Oncología Radioterápica.

MTV podría ser una herramienta valiosa para que los ensayos clínicos estratifiquen a los pacientes por riesgo para comprender mejor quién responde al tratamiento y por qué. Además, esta técnica podría utilizarse para mejorar la atención clínica, aunque requerirá una validación significativamente mayor.

"Sabemos que a los pacientes con un MTV más alto les va peor", dijo el Dr. Alderuccio. "Estos pacientes pueden tener más probabilidades de recibir terapias intensificadas o experimentales para mejorar los resultados. Los pacientes con un volumen tumoral metabólico bajo pueden tener mejores resultados que las terapias estándar. Este enfoque de aprendizaje automático podría brindarnos mejores oportunidades para hacer estas distinciones".

Fuente:

Centro Oncológico Integral Sylvester

Referencia:

Kuker, RA, et al. (2022) Un método automatizado asistido por aprendizaje profundo para calcular el volumen del tumor metabólico en el linfoma difuso de células B grandes. Cáncer. doi.org/10.3390/cancers14215221.

.