Predicción de la escala de Bethesda en nódulos tiroideos mediante técnicas de inteligencia artificial

Resumen

  OBJETIVOS Los nódulos tiroideos son prevalentes en la población. El diagnóstico se realiza mediante técnicas de imagen y procedimientos invasivos (punción-aspiración por aguja fina (PAAF) o biopsia). Debido a los riesgos y costes asociados, resulta interesante la creación de un algoritmo menos invasivo y eficaz.  El objetivo de este trabajo consiste en predecir la escala de Bethesda en nódulos tiroideos mediante la utilización de radiómica para el análisis de los mismos en tomografía computarizada (TC).  MATERIAL Y MÉTODOS Se trata de un estudio retrospectivo con una muestra de 80 pacientes adultos con nódulos tiroideos a los que se les realizó TC de cuello y PAAF entre 2013 y 2021. Tres residentes de cuarto año de radiología han realizado una evaluación visual y  segmentación de los nódulos en imágenes de TC. Después, se ha utilizado el software Slicer 3D para extraer los datos de radiómica de las secciones segmentadas en cada paciente. Posteriormente, se ha generado un algoritmo de Machine Learning para predecir la escala de Bethesda (II-V) basándose en los datos de radiómicos obtenidos. Los resultados se han procesado mediante el software SPSS (IBM). El proceso ha sido supervisado por un radiólogo de cabeza y cuello con 5 años de experiencia y un neuroradiólogo con 30 años de experiencia.  RESULTADOS Se aportarán a la entrega del trabajo.  CONCLUSIONES Mediante la utilización de modelos de inteligencia artificial, el radiólogo puede ayudar a predecir la malignidad de los nódulos tiroideos y así mejorar las limitaciones de los algoritmos diagnósticos actuales.