Work

Modelo de aprendizaje automático para la predicción de grado de resección quirúrgica de los meningiomas craneales utilizando datos clínicos y radiómicos

Year: 2025
Type: dissertation
Study design: Observational Study
Abstract: Introducción: El meningioma es el tumor intracraneal primario más frecuente en adultos. La resecabilidad es un determinante del control tumoral en meningioma. La radiómica aplicada a IRM preoperatoria y la clínica puede aportar predicciones cuantitativas para planificar la cirugía. Objetivos: Desarrollar y evaluar un modelo multivariable que estime, en el preoperatorio del paciente con meningioma intracraneal, la probabilidad de alcanzar resección Simpson I frente a Simpson II. Métodos: Estudio retrospectivo (2018-2024). Se incluyeron adultos con meningioma y IRM T1 con contraste técnicamente adecuada. El desenlace fue binario (Simpson I vs II). La segmentación se realizó en 3D Slicer y la extracción radiómica con PyRadiomics bajo configuración estandarizada (IBSI). Los predictores se restringieron a variables numéricas preoperatorias (clínicas y radiómicas). Se comparó un banco selector×clasificador (ANOVA-KBest, LASSO, Elastic Net × LDA, Naive Bayes gaussiano, Regresión Logística; exploratorio: SVM lineal/RBF y Random Forest). Resultados: De ~70 casos cribados, 13 cumplieron elegibilidad; se analizaron 12 (Simpson I=4; Simpson II=8) con 126 predictores. La mejor configuración fue LASSO (C=0.2; ≤3 variables) + LDA: exactitud 0,833; exactitud balanceada 0,812; F1-macro 0,812; AUROC 0,844; Strength fue el predictor más estable (12/12 iteraciones). Conclusiones: El modelo preoperatorio basado en radiómica y aprendizaje automático mostró discriminación y calibración favorables para predecir resecabilidad (Simpson I vs II). Se requieren validación externa multicéntrica y evaluación de impacto clínico.
Authors: Herrera Mora, Ivan Mauricio, Universitat Autònoma de Barcelona. Escola d'Enginyeria
Language: Catalan
Field: Medicine
Open Access status: green
OpenAlex ID: W7113125123
Cites: 23
Cited by:
Related to: 10