Dados do Trabalho

Título

Artigo Original: Um modelo radiômico baseado em machine learning para diferenciar entre lesões de baixo ou intermediário grau e lesões de alto grau em pacientes com câncer de próstata.

Descrição sucinta do(s) objetivo(s)

A vigilância ativa (VA) surgiu como uma opção de gerenciamento conservadora para pacientes com câncer de próstata (CaP) com lesões de baixo risco e algumas lesões intermediárias. Nosso objetivo foi avaliar se um modelo radiômico de machine learning, utilizando técnicas de inteligência artificial (IA), poderia diferenciar entre lesões de baixo/intermediário grau, ISUP 1 e 2*(com perfil favorável) em comparação com lesões de alto grau, ISUP 2 (perfil não favorável), 3, 4 e 5 em pacientes com CaP confirmado histopatologicamente.

Material(is) e método(s)

Este estudo retrospectivo incluiu 144 pacientes de 2019 a 2022, divididos em conjuntos de treinamento e validação, e utilizou imagens de ressonância magnética de 3,0 Tesla. Análise radiômica foi feita através do PyRadiomics para extração de características de mapas de coeficiente de difusão aparente (ADC). Modelos de aprendizado de máquina utilizando logistic regression (LR), random forest (RF) e support vector machine (SVM) foram treinados, validados e comparados com análises histopatológicas, seja de prostatectomia ou amostras de biópsia de fusão.

Resultados e discussão

Cem pacientes foram selecionados aleatoriamente para o conjunto de treinamento e 44 para o conjunto de teste. O Grupo 1 tinha 69 pacientes com lesões ISUP 1 e ISUP 2 favoráveis, enquanto o Grupo 2 tinha 75 pacientes com lesões ISUP 2 desfavoráveis e ISUP 3 a 5. No cross-validation do conjunto de teste, os resultados demonstraram alta precisão para todos os modelos, com 0,97 +/- 0,03 para SVM (intervalo de confiança [IC] de 95%: 0,95–0,99), 0,94 +/- 0,03 para RF (IC 95%: 0,93–0,99) e 0,94 +/- 0,05 para LR (IC 95%: 0,92–0,99).

Conclusões

O estudo destaca o potencial da radiômica baseada em IA na avaliação do CaP, oferecendo um meio não invasivo para prever e confirmar com precisão a elegibilidade para a vigilância ativa.

Palavras Chave

próstata; INTELIGÊNCIA ARTIFICIAL; segmentação

Arquivos