Análisis por técnicas de IA de nódulos pulmonares y su microambiente a través de la imagen médica para predecir el subtipo tumoral: biomarcadores histológicos de tumores epidermoides y adenocarcinomas

Resumen

A traves de la radiómica, que pretende caracterizar la enfermedad a partir de imágenes radiológicas, se pretende llegar a un diagnóstico que es difícil de conseguir mediante los métodos radiológicos convencionales evitando así el uso innecesario de métodos invasivos. En el caso de los nódulos pulmonares poder diferenciar el subtipo histológico podría ayudar a agilizar el proceso dado que podría asumir malignidad. El objetivo de este trabajo es realizar un estudio radiómico para intentar encontrar algún biomarcador de imagen o modelo de IA que permita distinguir el tumor epidermoide del adenocarcinoma haciendo uso de su microambiente. Estudio observacional retrospectivo multicéntrico con una cohorte de 368 pacientes con diagnóstico de confirmación de Anatomía patológica (267 adenocarcinomas y 101 epidermoides). Se utiliza TC previo a la biopsia o intervención quirúrgica para obtener los biomarcadores. Se han extraído las características radiómicas del nódulo y del "microambiente", se han escogido las más representativas y se ha hecho un análisis tanto por inferencia estadística como por técnicas de machine learning haciendo uso de Python y R para obtener modelos clasificadores y predictivos. Se han obtenido 236 características radiómicas de distintos aspectos relacionados con el nódulo y su microambiente de las cuales han resultado muy significativas 30 y se han seleccionado las 5 mejores para entrenar un modelo de aprendizaje automático que es capaz de hacer una clasificación con una tasa de acierto del 0.712. Es posible clasificar nódulos pulmonares malignos en sus subtipos histológicos mas frecuentes basándonos en características radiómicas del nódulo y su microambiente.