Inteligencia artificial en el cáncer de ovario relacionado con la endometriosis y cirugía de precisión en el cáncer de ovario relacionado con la endometriosis (ATENA)

La endometriosis (EMS) es una afección ginecológica inflamatoria, invalidante y crónica que afecta al 10-15% de las mujeres en edad reproductiva. El EMS se caracteriza por lesiones de tejido similar al endometrio fuera del útero que afectan el peritoneo pélvico y los ovarios. Además, a veces se observan focos distantes. Desafortunadamente, la etiología del EMS es poco conocida. Aunque no es maligno, el EMS comparte características similares con el cáncer, como el desarrollo de focos locales y distantes, resistencia a la apoptosis e invasión de otros tejidos con daño posterior a los órganos diana. Además, las pacientes con EMS (particularmente EMS de ovario) mostraron un alto riesgo (alrededor de 3 a 10 veces) de desarrollar cáncer epitelial de ovario (COE). Los estudios epidemiológicos, morfológicos y moleculares informaron que el endometrioma es el precursor del EOC, incluido el carcinoma endometrioide de células claras (CCC), que se denominan "carcinoma de ovario relacionado con EMS (EROC)". Hasta la fecha, no está claro por qué el EMS benigno provoca una transformación maligna. Este proceso de múltiples pasos, a diferencia de los carcinomas serosos de alto grado, ofrece la posibilidad de identificar los precursores del carcinoma permitiendo un diagnóstico temprano y en las primeras etapas de la enfermedad.

El COE es el cáncer ginecológico femenino más letal con una supervivencia general (SG) a los 5 años del 25 %, debido a la falta de herramientas de detección eficaces, y se propaga rápidamente por toda la superficie peritoneal (carcinosis), por lo que afecta a todos los órganos abdominales. Actualmente, el diagnóstico y la estadificación clínica del EOC se realizan mediante una evaluación cualitativa de imágenes, aunque la sensibilidad/especificidad es subóptima. Hasta la fecha, los factores de diagnóstico, estadificación y pronóstico están fuertemente correlacionados con la formación en evaluación subjetiva y la experiencia clínica.

El análisis genómico basado en la secuenciación de próxima generación (NGS) ha revelado la presencia de mutaciones genéticas asociadas al cáncer en EMS. Además, el proceso inflamatorio crónico de EMS involucra muchos factores, como hormonas, citocinas, glicoproteínas y factores angiogénicos, que se espera que se conviertan en biomarcadores tempranos de EMS.

Una nueva rama prometedora de la investigación del cáncer es el uso de la inteligencia artificial (IA) para reconocer nuevos patrones y texturas de imagen y/o detectar nuevos biomarcadores para mejorar la identificación temprana de pacientes con EROC. La IA nunca se ha utilizado para EROC y queremos investigar si estos métodos/técnicas pueden respaldar e incluso mejorar los diagnósticos y la evaluación de riesgos actuales. La IA se utilizará para construir un nuevo modelo de evaluación de riesgos en 3D basado en imágenes y volumen de interés