Un modelo de aprendizaje profundo BASADO en TC para predecir los grados patológicos del carcinoma de células renales de células claras (ccRCC) de la OMS/ISUP: un estudio de cohorte multicéntrico

Este estudio tiene como objetivo establecer un modelo de aprendizaje profundo eficaz para extraer información relevante sobre tumores renales y riñones a partir de imágenes de tomografía computarizada (TC) y predecir los grados patológicos del carcinoma de células renales de células claras (ccRCC).

Se recopilaron datos retrospectivos de 483 pacientes con ccRCC en tres centros médicos. Las imágenes de TC de fase arterial y venosa portal del conjunto de datos se segmentaron para tumores renales y riñones. Se emplearon tres redes neuronales convolucionales (CNN) para extraer características de las regiones de interés (ROI) en las imágenes de TC en múltiples dimensiones, incluidas 3D, 2,5D y 2D. Se utilizó la regresión de selección y contracción mínima absoluta (LASSO) para la selección de características. Los modelos se evaluaron mediante curvas de características operativas del receptor (ROC) y análisis de curvas de decisión (DCA).