Modelo de IA detecta con precisión cáncer de tiroides y predice resultados a partir de imágenes de ultrasonido

El modelo de IA desarrollado por investigadores del Mass General Cancer Center (Boston, MA, EUA) podría presentar una opción no invasiva y de bajo costo para la detección, la estadificación y la planificación personalizada del tratamiento de la enfermedad. Para entrenar y validar la plataforma de IA, los investigadores obtuvieron 1.346 imágenes de nódulos tiroideos a través de ecografías de diagnóstico de rutina de 784 pacientes. Las imágenes de ultrasonido se dividieron en dos conjuntos de datos, uno para capacitación y validación interna y otro para validación externa. La malignidad se confirmó con muestras obtenidas de biopsia con aguja fina. La estadificación patológica y el estado mutacional se confirmaron con informes operativos y secuenciación genómica, respectivamente.

A diferencia del enfoque de IA convencional, los investigadores combinaron varios métodos de IA para el modelo, incluidos (1) la radiómica, que extrae una gran cantidad de características cuantitativas de las imágenes; (2) análisis de datos topológicos (TDA), que evalúa la relación espacial entre puntos de datos en las imágenes; (3) aprendizaje profundo, donde los algoritmos ejecutan los datos a través de múltiples capas de una red neuronal de IA para generar predicciones; y (4) aprendizaje automático (ML), en el que un algoritmo utiliza propiedades de ultrasonido definidas por el sistema de datos e informes de imágenes de tiroides (TI-RADS) como características de ML.

Una plataforma multimodal que utiliza estos cuatro métodos predijo con precisión el 98,7 % de las neoplasias malignas de nódulos tiroideos en el conjunto de datos interno, superando significativamente las modalidades de IA individuales utilizadas solas. En comparación, el modelo radiómico individual predijo el 89 % de las neoplasias malignas (p<0,001 en comparación con la plataforma multimodal), el modelo de aprendizaje profundo logró una precisión del 87 % (p=0,002), y TDA y (ML) TI-RADS fueron precisos para 81 % y 80 % de las muestras, respectivamente (ambos p<0,001). En el conjunto de datos de validación externa, el modelo tuvo una precisión del 93 % para la predicción de malignidad.

Un modelo multimodal que comprende radiómica, TDA y (ML)TI-RADS también pudo distinguir el estadio patológico (93 % de precisión para el estadio T, 89 % para el estadio N y 98 % para la extensión extratiroidea). Además, el modelo identificó la mutación BRAF V600E, que se puede tratar con terapia dirigida, con un 96 % de precisión.

"El cáncer de tiroides es uno de los cánceres de más rápido crecimiento en los Estados Unidos, en gran parte debido a una mayor detección y mejores diagnósticos. Hemos desarrollado una plataforma de inteligencia artificial que examinaría imágenes de ultrasonido y predeciría, con alta precisión, si un nódulo tiroideo potencialmente problemático es, de hecho, canceroso. Si es canceroso, podemos predecir aún más el estadio del tumor, el estadio ganglionar y la presencia o ausencia de la mutación BRAF", dijo la autora principal Annie Chan, MD, directora del Programa de Investigación de Oncología Radioterápica de Cabeza y Cuello en el Mass General Cancer Center. "Si se detecta a tiempo, esta enfermedad es altamente tratable y, en general, los pacientes pueden esperar vivir mucho tiempo después del tratamiento".

Enlaces relacionados:
Mass General Cancer Center