CECC: el enfoque de aprendizaje profundo supera a los expertos en el diagnóstico de la EEG

  • Kann BH & al.
  • J Clin Oncol
  • 9 dic. 2019

  • de Brian Richardson, PhD
  • Univadis Clinical Summaries
El acceso al contenido completo es sólo para profesionales sanitarios registrados. El acceso al contenido completo es sólo para profesionales sanitarios registrados.

Punto clave

  • En los pacientes con carcinoma epidermoide de cabeza y cuello (CECC), un algoritmo de aprendizaje profundo se asocia con una capacidad diagnóstica superior en comparación con los expertos en diagnóstico en la identificación antes del tratamiento de la extensión extraganglionar (EEG).

Por qué es importante

  • El diagnóstico por imágenes de la EEG por parte de los médicos no suele ser fiable, lo que exige métodos nuevos.

Resultados clave

  • El algoritmo de aprendizaje profundo obtuvo un área bajo la curva (ABC) de rendimiento diagnóstico superior en comparación con 2 neurorradiólogos certificados en los ganglios linfáticos de un centro externo (0,84 frente a 0,70 [P = 0,02] y 0,84 frente a 0,71 [P = 0,01], respectivamente).
  • El algoritmo de aprendizaje profundo obtuvo un ABC superior en el caso de 1 neurorradiólogo certificado (0,90 frente a 0,60; P 
  • La ayuda del algoritmo de aprendizaje profundo dio como resultado un aumento significativo en los valores del ABC para los ganglios linfáticos del Atlas del Genoma del Cáncer (P = 0,0003).

Diseño del estudio

  • En el estudio se incluyeron 200 ganglios linfáticos procedentes de 144 pacientes.
  • Financiación: Beca Paul Carbone para la Investigación en Imaginología Radiológica del Grupo de Oncología Cooperativa del Este-Colegio estadounidense de Radiología.

Limitaciones

  • No se uniformizó el tiempo transcurrido desde la exploración por TAC hasta la intervención quirúrgica.
  • La mayoría de los ganglios linfáticos fueron de ≥ 1 cm, lo que limita la aplicabilidad a los ganglios linfáticos de menor tamaño.