Un estudio reciente muestra cómo modelos de IA son capaces de predecir de manera precisa la malignidad y agresividad de masas renales.
Un estudio reciente publicado en Nature Communications mostró cómo la inteligencia artificial (IA) puede ayudar a predecir si una masa renal es benigna o maligna, y si es agresiva o indolente, utilizando imágenes de tomografía computarizada (TC). Este avance podría mejorar significativamente la toma de decisiones médicas, reduciendo el riesgo de cirugías innecesarias y optimizando el tratamiento para pacientes con cáncer de riñón.
El estudio analizó 13,261 volúmenes de TC preoperatorios de 4,557 pacientes. Los investigadores desarrollaron dos modelos de redes neuronales convolucionales (un tipo de IA) para predecir la malignidad y la agresividad de las masas renales. El primer modelo, diseñado para distinguir entre masas renales benignas y malignas, logró un área bajo la curva (AUC, en inglés) de 0.871 en un conjunto de pruebas prospectivas, superando el rendimiento promedio de siete radiólogos experimentados. El segundo modelo, que diferencia tumores agresivos de indolentes, alcanzó un AUC de 0.783.
Estos modelos superaron a los métodos tradicionales, como los modelos de radiómica y los nomogramas basados en puntuaciones de nefrometría, que se utilizan actualmente para evaluar el riesgo de malignidad y agresividad de los tumores renales. Además, los modelos de IA mostraron un rendimiento robusto en subgrupos de tumores sólidos, quísticos y masas renales pequeñas (SRM, en inglés), lo que sugiere que podrían ser útiles en una amplia gama de casos clínicos.
La detección temprana y precisa de masas renales es crucial, ya que alrededor del 20% de las masas extirpadas resultan ser benignas, lo que significa que muchos pacientes se someten a cirugías innecesarias. Además, no todos los tumores malignos son iguales: algunos son indolentes y crecen lentamente, mientras que otros son agresivos y requieren tratamiento inmediato. Los modelos de IA desarrollados en este estudio permiten a los médicos predecir estas características con mayor precisión, lo que podría llevar a un tratamiento más personalizado y menos invasivo.
Predecir con precisión la malignidad y agresividad de los tumores, estos modelos pueden ayudar a reducir las cirugías innecesarias y mejorar los resultados de los pacientes. Sin embargo, los autores señalan que se necesitan más estudios prospectivos para validar estos hallazgos y asegurar su aplicabilidad en diferentes contextos clínicos.
