La plataforma de inteligencia artificial muestra potencial para la detección y estadificación del cáncer de tiroides a partir de imágenes de ultrasonido

Crédito: Pixabay/CC0 Dominio público

Un nuevo estudio encuentra que un modelo de inteligencia artificial (IA) que incorpora múltiples métodos de aprendizaje automático detecta con precisión el cáncer de tiroides y predice resultados patológicos y genómicos a través del análisis de imágenes de ultrasonido de rutina. El modelo de IA podría presentar una opción no invasiva y de bajo costo para la detección, la estadificación y la planificación personalizada del tratamiento de la enfermedad. Los hallazgos del estudio se presentarán mañana en el Simposio multidisciplinario sobre cánceres de cabeza y cuello de 2022.

«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 una tiroides potencialmente problemática «El nódulo es, de hecho, canceroso. Si es canceroso, podemos predecir aún más el estadio del tumor, el estadio del ganglio y la presencia o ausencia de mutación BRAF», dijo la autora principal Annie Chan, MD, directora del Departamento de Oncología Radioterápica de Cabeza y Cuello. Programa de Investigación en el Mass General Cancer Center. «Si se detecta temprano, esta enfermedad es altamente tratable y, en general, los pacientes pueden esperar vivir mucho tiempo después del tratamiento».

Para entrenar y validar la plataforma de IA, los investigadores obtuvieron 1346 imágenes de nódulos tiroideos a través de ultrasonido 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, incluida (1) 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. «Al integrar diferentes métodos de IA, pudimos capturar más datos y minimizar el ruido. Esto nos permite lograr un alto nivel de precisión al hacer predicciones», dijo el Dr. Chan.

Una plataforma multimodal que utiliza estos cuatro métodos predijeron con precisión el 98,7 % de las neoplasias malignas de nódulos tiroideos en el conjunto de datos interno, superando significativamente las modalidades individuales de IA utilizadas solas. En comparación, el modelo radiómico individual predijo el 89 % de los tumores malignos (p