Mejorando la precisión de predicción del dowstaging patológico en cáncer rectal avanzado localmente utilizando modelos de aprendizaje profundo con MRI preoperatoria y datos clínico-patológicos.

La imagen por resonancia magnética convencional (IRM) en cáncer rectal avanzado localmente (LARC) implica desafíos para evaluar y predecir la respuesta preoperatoria a la quimiorradioterapia neoadyuvante (CRT). Los métodos de aprendizaje profundo (DL) que incorporan IRM se utilizan ampliamente para el diagnóstico del cáncer y la predicción del pronóstico.

Este estudio tiene como objetivo desarrollar y validar modelos DL basados en imágenes T2 ponderadas MR preoperatorias combinadas con datos radiológicos y clínico-patológicos, y evaluar su rendimiento en la predicción de la abajada patológica T (pT) después de CRT.

Este estudio retrospectivo incluyó 318 pacientes con LARC confirmados histopatológicamente, asignados aleatoriamente a un conjunto de entrenamiento (n = 223) o conjunto interno de prueba (n = 95). Un total adicional de 88 pacientes conformaron el conjunto externo de prueba. Se construyeron modelos DL que integraban imágenes T2 ponderadas MR con características radiológicas y clínico-patológicas para predecir la abajada pT. El rendimiento del modelo se evaluó mediante análisis de curva característica operativa receptora (ROC); se utilizó la prueba DeLong para comparar las curvas ROC.

Los modelos combinados (clínico-patológico + imágenes T2 ponderadas MR, características MRI + imágenes T2 ponderadas MR y el modelo todo-combinado) demostraron un rendimiento diagnóstico superior tanto en el conjunto interno como externo de prueba, con áreas bajo la curva (AUCs) que oscilaban entre 0,800 y 0,817 y 0,802 a 0,810 respectivamente. Las AUCs del modelo solo T2 ponderada MRI y los modelos combinados diferían significativamente (P < 0,05); no se observaron diferencias significativas entre los tres modelos combinados. Los modelos DL combinados propuestos demostraron un rendimiento predictivo fuerte para la abajada pT después de CRT neoadyuvante en LARC, con el modelo características MRI + imágenes T2 ponderadas MR también desempeñándose bien sin características clínico-patológicas.