Un modelo de predicción de riesgo basado en aprendizaje automático para lesiones cancerosas de cabeza y cuello (ML-HNC-Risk)

La salud vocal se ha convertido en un desafío destacado de salud pública. La fonación depende de una coordinación neuromuscular y respiratoria precisa, un proceso fisiológico frecuentemente comprometido por la senescencia sistémica, la multimorbilidad y la degeneración neuromuscular. Esta compleja interacción fisiopatológica hace extremadamente difícil distinguir clínicamente las neoplasias laríngeas en estadios tempranos de los trastornos vocales benignos comunes (por ejemplo, quistes de las cuerdas vocales, granulomas del proceso vocal y edema de Reinke). Dado que ambas entidades suelen presentarse con ronquera inespecífica o sensación de globus, la dificultad del cribado temprano y el diagnóstico diferencial preciso se amplifica sustancialmente.

Actualmente, el diagnóstico de los trastornos vocales depende en gran medida de la laringoscopia. Sin embargo, debido a la distribución desigual de los recursos médicos, los entornos de atención primaria y comunitaria generalmente carecen de herramientas de cribado efectivas para neoplasias laríngeas durante las consultas iniciales, lo que a menudo conduce a derivaciones tardías para pacientes de alto riesgo. Además, existe una profunda disparidad en la experiencia de interpretación endoscópica entre los diferentes niveles de atención sanitaria. Las características visuales de ciertas lesiones precancerosas (como la leucoplasia displásica) y las neoplasias en estadios tempranos se superponen considerablemente, lo que resulta en un alto riesgo de diagnósticos fallidos o biopsias innecesarias de lesiones benignas. Por lo tanto, incorporar sistemáticamente indicadores multidimensionales, incluidos datos demográficos (por ejemplo, edad), antecedentes de tabaquismo y alcohol, y sintomatología clínica, en la evaluación de riesgos es crucial para la detección temprana de neoplasias y la asignación óptima de los recursos sanitarios.

En los últimos años, la inteligencia artificial (IA) basada en aprendizaje profundo ha demostrado un tremendo potencial en la extracción de características de imágenes médicas, capaz de capturar texturas morfológicas sutiles imperceptibles para el ojo humano. Sin embargo, la oncogénesis y la progresión de las neoplasias laríngeas están impulsadas por una confluencia de factores multidimensionales. Cuando se enfrentan a escenarios clínicos complejos del mundo real, los modelos de imágenes unimodales a menudo sufren de una disminución de la generalización y tasas elevadas de falsos positivos debido a la ausencia del contexto demográfico, sintomático y de exposición conductual del paciente. La toma de decisiones clínicas en el mundo real no es una tarea aislada de interpretación de imágenes; más bien, requiere la integración sistemática de características visuales con metadatos clínicos multidimensionales. Desarrollar un marco de diagnóstico inteligente capaz de fusionar datos multimodales es, por lo tanto, esencial para superar los cuellos de botella de aplicación de las herramientas actuales de IA unimodal de imágenes.

Abordando estos puntos críticos clínicos y limitaciones técnicas, este estudio aprovechó una cohorte multicéntrica nacional que abarca aproximadamente 11,000 pacientes con trastornos vocales para desarrollar y validar un marco de estratificación de riesgo y diagnóstico de IA multimodal de dos etapas. En la primera etapa, integrando características demográficas, exposiciones conductuales y sintomatología clínica, los investigadores desarrollaron un Modelo de Cribado Clínico no invasivo y de bajo costo. Esta herramienta está diseñada para proporcionar a los entornos de atención primaria y a los pacientes un sistema de alerta temprana inmediato y eficiente para neoplasias. En la segunda etapa, basándose en esta estratificación de riesgo inicial, los investigadores emplearon algoritmos de aprendizaje profundo para extraer características visuales microscópicas de imágenes endoscópicas, culminando en un Modelo de Diagnóstico Multimodal. Este modelo logra una clasificación multiclase precisa entre neoplasias laríngeas, lesiones benignas comunes de las cuerdas vocales y anatomía laríngea normal. Además, los investigadores desplegaron una aplicación web basada en la nube para facilitar la estimación de riesgo en tiempo real.

En última instancia, al proporcionar este asistente de diagnóstico de IA de grado clínico, este estudio tiene como objetivo optimizar las vías jerárquicas de cribado y diagnóstico para los trastornos vocales, empoderando así a los médicos generales y otorrinolaringólogos de atención primaria para mejorar la calidad de la toma de decisiones clínicas y la precisión diagnóstica.