PREDICCIÓN AUTOMÁTICA DE LA RESPUESTA A LA QUIMIOTERAPIA EN PACIENTES CON OSTEOSARCOMA O SARCOMA DE EWING

Abstract

En los últimos años, se ha visto un incremento en la cantidad de imágenes procesadas en los servicios de radiología. El número de radiólogos sigue siendo el mismo, lo que se traduce en un aumento de las tareas, retrasos en el resto de servicios a los que da soporte y deterioro emocional en los profesionales. Surge así la necesidad de crear herramientas que apoyen activamente al equipo clínico, mejorando la toma de decisiones, liberando carga de trabajo y contribuyendo finalmente a la seguridad del paciente. Una posible estrategia es la de crear modelos robustos de inteligencia artificial (IA) utilizando radiómica, entendida como la extracción de características cuantitativas a partir de imágenes médicas.

Concretamente, el objetivo de este proyecto es el de predecir la respuesta al tratamiento quimioterápico neoadyuvante en pacientes con osteosarcomas o sarcomas de Ewing, en colaboración con el servicio de radiología musculoesquelética del Hospital Universitario Ramón y Cajal.

Para ello, se construyó una pequeña base de datos de pacientes con estas patologías, incluyendo imágenes de resonancia magnética y máscaras binarias que delimitan el tumor. Se utilizó para extraer características radiómicas con PyRadiomics, con las que se entrenaron cinco modelos de IA (Regresión Lineal, Random Forest, Perceptrón Multicapa sin normalizar y normalizado y Support Vector Machine) después de haber aplicado tres métodos de selección (Correlación, Información Mutua y Principal Component Analysis).

Los resultados obtenidos destacan las prestaciones del modelo de MLP normalizado. Con una exactitud de 0.84 y un AUC de 0.83, ofrece resultados muy prometedores dado el limitado número de pacientes. Sin embargo, no se logró identificar un biomarcador, por lo que consideramos que los resultados no son lo suficientemente buenos como para trasladar esta herramienta al entorno clínico real. Se asientan así las bases para el desarrollo de herramientas más sofisticadas relacionadas con los tumores óseos que incluyan, entre otras propuestas, el aumento del número de pacientes o la inclusión de características genómicas.