Un modelo predictivo para el cáncer de mama

Pacientes con sospecha de cáncer de mama sometidas a PET/TC en nuestro hospital. El médico jefe del centro PET/CT y el médico tratante principal revisaron las películas juntos y los desacuerdos, si los hubo, se resolvieron por consenso. La lesión fue identificada visualmente. Se delineó automáticamente una región de interés (ROI) 3D de la lesión utilizando el método de umbral del 40% y se midieron los parámetros metabólicos de PET. Las lesiones mamarias con concentraciones de radionúclidos superiores a las del tejido mamario normal se consideran lesiones de cáncer de mama, mientras que los ganglios linfáticos con concentraciones de radionúclidos superiores a las del tejido muscular se consideran ganglios linfáticos metastásicos.

Segmentación de imágenes: la segmentación de imágenes se realizó con el software ITK-SNAP (4) (versión 3.6.0, http://www.itksnap.org/), Estilo de pincel: circular, Tamaño de pincel: 10, Opciones de pincel: 3D. El volumen total del tumor se delineó en la imagen PET como ROI para la segmentación.

Un paquete Python de código abierto (PyRadiomics versión 3.0.1(5)) se utilizó para extraer las características radiómicas del ROI.

Se utilizaron regresiones logísticas binarias univariadas y multivariadas para construir un modelo para predecir la metástasis de los ganglios linfáticos en el cáncer de mama.