Investigadores de cáncer de cabeza y cuello demuestran la capacidad de un algoritmo de aprendizaje profundo en el entorno posterior a la cirugía

La inteligencia artificial puede aumentar los métodos actuales para predecir el riesgo de que el cáncer de cabeza y cuello se propague fuera de los bordes de los ganglios linfáticos del cuello, según investigadores del Grupo de Investigación del Cáncer ECOG-ACRIN (ECOG-ACRIN). Un algoritmo de aprendizaje profundo personalizado que utiliza imágenes de tomografía computarizada (TC) estándar y datos asociados aportados por pacientes que participaron en el ensayo de fase 2 E3311 se muestra prometedor, especialmente para pacientes con un nuevo diagnóstico de cáncer de cabeza y cuello relacionado con el virus del papiloma humano (VPH). . El conjunto de datos validado E3311 tiene el potencial de contribuir a la estadificación más precisa de la enfermedad y la predicción del riesgo.

Benjamin Kann, MD (Dana-Farber Cancer Institute, Brigham and Women’s Hospital, Harvard Medical School), dirigió el estudio para ECOG-ACRIN. Presentará los hallazgos durante la reunión anual de la Sociedad Estadounidense de Oncología Radioterápica (ASTRO) en San Antonio, Texas.

«Este tipo de investigación es clave, ya que puede ayudar a identificar a los pacientes con enfermedades agresivas de alto riesgo y también ayudar a seleccionar a los pacientes apropiados para la reducción de la terapia», dijo el Dr. Kann.

Los cánceres de cabeza y cuello y sus tratamientos estándar (cirugía, radiación o quimioterapia) conllevan una morbilidad significativa. Afectan la forma en que una persona se ve, habla, come o respira. Por lo tanto, existe un gran interés en desarrollar estrategias de tratamiento menos intensas para los pacientes. Por ejemplo, el ensayo de fase 3 E3311 completado mostró que la radiación de dosis baja a 50 Gray (Gy) sin quimioterapia después de la cirugía transoral condujo a una supervivencia muy alta y una calidad de vida sobresaliente en pacientes con riesgo medio de recurrencia (Ferris RL. J Clin Onc. diciembre 2021).

El Dr. Kann y sus colegas desarrollaron y validaron un algoritmo de aprendizaje profundo basado en redes neuronales basado en tomografías computarizadas (TC) de diagnóstico, patología y datos clínicos. La fuente fue la cohorte de participantes en el ensayo E3311 que se evaluó en alto riesgo de recurrencia mediante medidas patológicas y clínicas estándar.

«La estadificación del cáncer de cabeza y cuello es un problema clínico desafiante», dijo el Dr. Kann. «En particular, nuestros esfuerzos actuales para identificar la extensión extraganglionar a través de la interpretación humana de imágenes previas al tratamiento generalmente han mostrado resultados deficientes».

Entre los factores que determinan el estadio del cáncer se encuentran el tamaño del tumor original, la cantidad de ganglios linfáticos afectados y la extensión extraganglionar, cuando las células malignas se diseminan más allá de los bordes de los ganglios linfáticos del cuello hacia el tejido circundante. En E3311, los pacientes se evaluaron como de alto riesgo si había una extensión extraganglionar (ENE) ≥1 mm. Estos pacientes fueron asignados a quimioterapia y dosis altas de radiación (66 Gy) después de la cirugía transoral.

El Dr. Kann y sus colegas obtuvieron tomografías computarizadas (TC) previas al tratamiento y los correspondientes informes de patología quirúrgica de la cohorte de alto riesgo E3311, según estuvieran disponibles. De 177 exploraciones recopiladas, se anotaron 311 ganglios: 71 (23 %) con ENE y 39 (13 %) con ≥1 mm ENE.

La herramienta mostró un alto rendimiento en la predicción de ENE, superando sustancialmente las revisiones realizadas por radiólogos expertos en cabeza y cuello.

«El algoritmo de aprendizaje profundo clasificó con precisión el 85 % de los nodos con ENE en comparación con el 70 % de los radiólogos», dijo el Dr. Kann. «En cuanto a la especificidad y la sensibilidad, el algoritmo de aprendizaje profundo tuvo una precisión del 78 % frente al 62 % de los radiólogos».

El equipo planea evaluar el conjunto de datos como parte de futuros ensayos de tratamiento para el cáncer de cabeza y cuello. El algoritmo se evaluará por su potencial para mejorar los métodos actuales de estadificación de enfermedades y evaluación de riesgos.

«Nuestra capacidad para desarrollar biomarcadores a partir de imágenes de tomografía computarizada estándar es una nueva y emocionante área de investigación clínica y brinda la esperanza de que podamos adaptar mejor el tratamiento para pacientes individuales, incluida la decisión sobre cuándo utilizar mejor la cirugía y en quién reducir la extensión». del tratamiento», dijo la autora principal Barbara A. Burtness, MD.

Proporcionado por ECOG-ACRIN Grupo de Investigación del Cáncer