Validación de un modelo de aprendizaje automático basado en resonancia magnética para la predicción del cáncer de próstata

Se trata de un estudio de observación transversal, no intervencionista, que implica el análisis de los datos recogidos tanto de forma retrospectiva como prospectiva.

Los pacientes serán inscritos por el personal médico radiólogo designado por el investigador principal. El investigador principal y sus delegados serán responsables de la adquisición y pseudoanonimización de imágenes de pacientes inscritos (tanto retrospectivamente como prospectivamente) del RIS-PACS del Hospital Universitario IRCCS de Bolonia, Policlínico di Sant'Orsola. Cuando esté disponible, para los participantes sometidos a cirugía de próstata, la O.U. de Anatomía Patológica proporcionará escaneos digitales de las macrosecciones prostáticas.

Para la validación del modelo de aprendizaje automático de CaP clínicamente significativo, se pondrá a disposición de los radiólogos una herramienta. Esta herramienta está desarrollada por el Departamento de Informática - Ciencia e Ingeniería, DISI, Universidad de Bolonia y el Instituto de Investigación Alma Mater sobre Desafíos Globales y Cambio Climático, Alma Climate, Universidad de Bolonia, e integrada en un visor Dicom de código abierto, Aliza MS. Visor Dicom. Los médicos tendrán entonces la posibilidad de realizar de forma independiente la segmentación de las secuencias ADC (previamente pseudoanonimizadas) e iniciar el proceso radiómico para obtener un valor predictivo de la probabilidad de que la lesión segmentada sea clínicamente significativa. El software calculará este valor de probabilidad sobre la base del modelo de aprendizaje automático desarrollado en PROSTATE_01. La herramienta también permite la recogida de datos (organizada y pseudoanónima). La validación del modelo predictivo clínicamente significativo de CaP se llevará a cabo en todos los pacientes inscritos tanto de forma retrospectiva como prospectiva, excluidos los utilizados en la fase de entrenamiento del modelo en PROSTATE_01. Después de haber evaluado el rendimiento del modelo validado y los efectos del sesgo de selección, una vez finalizado el reclutamiento tanto de forma retrospectiva como prospectiva, se llevará a cabo un refinamiento del modelo desarrollado previamente. Se tratará de un "reentrenamiento" del propio modelo, realizado sobre conjuntos de datos de entrenamiento y prueba seleccionados aleatoriamente de toda la población inscrita de los que se obtendrá aleatoriamente, por diferencia, también el subconjunto para una nueva validación.