El modelo de IA pronostica con precisión los resultados de los pacientes con cáncer de pulmón común después de la cirugía

Un reciente Informes Científicos El estudio analiza el desarrollo de un modelo de pronóstico de inteligencia artificial (IA) para el cáncer de pulmón de células no pequeñas (NSCLC) resecado quirúrgicamente.

Estudiar: Desarrollo de un modelo de pronóstico de inteligencia artificial para el cáncer de pulmón de células no pequeñas resecado quirúrgicamente. Haber de imagen: poylock19/Shutterstock.com

Fondo

El NSCLC es el tipo más común de cáncer de pulmón en todo el mundo y normalmente se trata con resección quirúrgica, seguida de quimioterapia y radioterapia. Aunque el pronóstico del paciente después de la cirugía de NSCLC se determina en función del estadio del tumor según la clasificación TNM, este pronóstico no siempre es coherente con la aparición real. Por lo tanto, sigue existiendo una necesidad urgente de mejores herramientas de pronóstico para predecir con precisión el pronóstico de un paciente y formular mejores estrategias de tratamiento.

Se han identificado múltiples factores pronósticos para el pronóstico posoperatorio asociado con NSCLC, incluido el índice de riesgo nutricional geriátrico, la puntuación de pronóstico de Glasgow, la proporción de neutrófilos/linfocitos, la proporción de proteína C reactiva (PCR)/albúmina, el índice nutricional de pronóstico, la proporción de plaquetas/linfocitos y la proporción de monocitos. Relación/linfocitos. Hasta la fecha, pocos estudios han descrito la importancia de los resultados de los análisis de sangre en el pronóstico del NSCLC.

Estudios anteriores han destacado la importancia de la IA en la medicina, como lo demuestra la reciente aplicación de la IA para el diagnóstico precoz del cáncer de pulmón. También se han desarrollado modelos basados ​​en IA para predecir el efecto terapéutico. eficacia de quimioterapia.

Sobre el estudio

El estudio actual analiza el desarrollo de un modelo de pronóstico de IA para NSCLC utilizando aprendizaje automático (ML). Este modelo utilizó resultados de análisis de sangre preoperatorios y posoperatorios para sus predicciones.

Para el estudio se reclutó a un total de 1.049 pacientes con NSCLC en estadio patológico (p-Etapa) I-IIIA que se sometieron a cirugía entre enero de 2003 y diciembre de 2016. La edad media de los participantes en el momento de la cirugía fue de 69 años, de los cuales aproximadamente el 58% eran hombres.

La información clínica del paciente y los datos de seguimiento se obtuvieron del sistema de historia clínica electrónica. Algunas de las características clínico-patológicas consideradas fueron la edad al momento de la cirugía, índice de masa corporal (IMC), sexo, antecedente de tabaquismo, capacidad vital forzada (FVC), volumen espiratorio forzado en el segundo (FEV1.0), procedimiento quirúrgico, tipo histológico y adyuvante. quimioterapia.

Se evaluaron los datos de los análisis de sangre preoperatorios y posoperatorios. carcinoembrionario antígeno También se analizaron los datos de los fragmentos de citoqueratina-19 (CEA) y (CYFRA) durante el período de tres meses antes de la cirugía.

Se seleccionó XGBoost, un modelo sin decisiones, como algoritmo para este modelo de pronóstico de IA. XGBoost tiene ventajas en comparación con otras herramientas de inteligencia artificial debido a su capacidad de utilizar valores faltantes directamente como información.

Hallazgos del estudio

La mayoría de los participantes del estudio se sometieron a lobectomía, seguida de resección en cuña, segmentectomía, bilobectomía y neumonectomía. Además, a la mayoría de los pacientes se les diagnosticó NSCLC en estadio p IA.

La curva de Kaplan-Meier proporcionó información sobre las tasas de supervivencia libre de enfermedad (SSE), supervivencia general (SG) y supervivencia específica del cáncer (CSS) de la cohorte general y según el estadio p. Después de 5,06 años, el número de eventos de OS, DFS y CSS fue de 214, 214 y 123, respectivamente.

El modelo de pronóstico de IA recientemente desarrollado utilizó curvas de características operativas del receptor (ROC) dependientes del tiempo y valores de área bajo la curva (AUC) para predecir DFS, OS y CSS, todos los cuales se asociaron con una buena precisión de predicción. En particular, la probabilidad prevista de eventos de resultado a los cinco años después de la cirugía fue muy precisa.

La precisión de la predicción para DFS, OS y CSS a cinco años se reflejó en valores de AUC de 0,890, 0,926 y 0,960, respectivamente. Esta precisión de predicción fue comparable con los niveles de precisión de modelos anteriores.

El análisis histológico reveló que el 81,5% de los pacientes estaban asociados a carcinoides. Sin embargo, se detectaron muchos otros tipos histológicos, incluido el carcinoma de células escamosas, el adenocarcinoma micropapilar/sólido predominante, el adenocarcinoma lepídico predominante, el adenocarcinoma acinar/papilar predominante y el carcinoma neuroendocrino de células grandes en porcentajes variados.

Se descubrió que el tipo histológico es uno de los factores de pronóstico más importantes en este modelo de IA. El pronóstico del carcinoma neuroendocrino adenoescamoso, pleomórfico y de células grandes fue peor en comparación con otros tipos histológicos. Por tanto, un análisis más detallado del tipo histológico mejoraría la precisión del pronóstico.

CEA, CYFRA, factores relacionados con la coagulación y los índices de inmunonutrición contribuyeron significativamente al pronóstico de los pacientes. Curiosamente, los factores que reflejan la función hepática y renal, incluida la creatinina, el nitrógeno ureico y la aspartato aminotransferasa, también contribuyeron al pronóstico del NSCLC.

Conclusiones

El estudio actual tiene algunas limitaciones, incluida la consideración de participantes de una sola institución. En el futuro, se necesitará un estudio similar que utilice datos de múltiples cohortes en diferentes instituciones para validar estos hallazgos.

Otra limitación de este estudio es que la fórmula utilizada en el modelo XGBoost fue difícil de verificar. Sin embargo, se realizó una validación bootstrap para confirmar la precisión de su predicción.

A pesar de estas limitaciones, el estudio actual demostró que la utilización de una gran cantidad de resultados de análisis de sangre es un enfoque prometedor para un pronóstico preciso del NSCLC. El modelo de pronóstico de IA recientemente desarrollado se asoció con una buena precisión de predicción del pronóstico posoperatorio para el NSCLC resecado quirúrgicamente.