Radiómica basada en TC y modelos de aprendizaje profundo para predecir la invasión del cartílago tiroides y el pronóstico del paciente en el carcinoma de laringe

El carcinoma de células escamosas de laringe (LSCC), como uno de los tumores de cabeza y cuello más comunes, es la octava causa principal de muerte asociada al cáncer en todo el mundo. Las decisiones de tratamiento tienen un profundo impacto tanto en el control del tumor como en el pronóstico funcional de los pacientes con LSCC. Y estas decisiones se basan principalmente en la estadificación del tumor, siendo la invasión del cartílago tiroides un determinante crucial. En consecuencia, la presencia de invasión del cartílago tiroides indica un diagnóstico en estadio avanzado (T3 o T4) para los pacientes con LSCC. Para pacientes sin invasión del cartílago tiroides, se puede considerar la laringectomía parcial para preservar la función laríngea. Sin embargo, para los pacientes con carcinoma de laringe avanzado e invasión del cartílago tiroides que se extiende más allá de la laringe, a menudo es necesaria la laringectomía total para extirpar completamente el tumor y prolongar el tiempo de supervivencia. Por lo tanto, una evaluación precisa de la invasión del cartílago tiroides es vital para la toma de decisiones sobre el tratamiento y la evaluación del pronóstico de los pacientes con LSCC. Recientemente, la inteligencia artificial, en forma de aprendizaje automático y aprendizaje profundo (DL), se ha aplicado ampliamente en imágenes médicas. La radiómica, un papel destacado en el aprendizaje automático, puede extraer datos de características de alta dimensión y proporcionar cuantitativamente información valiosa para la estadificación y el pronóstico de tumores. Además, DL puede capturar y aprender automáticamente características discriminativas de un extremo a otro para una predicción precisa. En conjunto, los objetivos de este estudio multicéntrico fueron desarrollar y validar un modelo radiómico, un modelo DL 2D y un modelo DL 3D basado en imágenes de TC de fase venosa, y comparar el rendimiento de estos modelos con el de dos radiólogos en la predicción del cartílago tiroides. invasión. Además, los investigadores investigaron el valor pronóstico del modelo previsto óptimo de invasión del cartílago tiroides.