logo móvil
Contáctanos

Aplicación de un modelo de aprendizaje automático de radiómica para diferenciar el adenoma productor de aldosterona del adenoma suprarrenal no funcional

Autores: Yang, Wenhua; Hao, Yonghong; Mu, Ketao; Li, Jianjun; Tao, Zihui; Ma, Delin; Xu, Anhui

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Aplicación de un modelo de aprendizaje automático de radiómica para diferenciar el adenoma productor de aldosterona del adenoma suprarrenal no funcional


Categoría

Ingeniería y Tecnología

Subcategoría

Bioingeniería

Palabras clave

Evaluar
Función secretora
Incidentaloma suprarrenal
Modelo de radiómica
Adenoma productor de aldosterona
Adenoma suprarrenal no funcional

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 30

Citaciones: Sin citaciones


Descripción
Para evaluar la función secretora del incidentaloma suprarrenal, este estudio exploró la utilidad de un modelo radiómico basado en tomografía computarizada con contraste (CECT) para distinguir el adenoma productor de aldosterona (APA) del adenoma suprarrenal no funcional (NAA). En general, 68 pacientes con APA y 60 con NAA fueron asignados aleatoriamente (en una proporción de 8:2) a un grupo de entrenamiento o a un grupo de prueba. En el grupo de entrenamiento, se realizaron análisis de regresión univariante y de regresión de contracción y selección absoluta mínima para seleccionar las características significativas. Luego se construyó un modelo de aprendizaje automático de regresión logística basado en la puntuación radiómica y las características clínicas. La efectividad del modelo se evaluó de acuerdo con la curva característica de operación del receptor, la precisión, la sensibilidad, la especificidad, la puntuación F1, los gráficos de calibración y el análisis de la curva de decisión. En el grupo de prueba, el área bajo la curva (AUC) del modelo de puntuación Radscore fue de 0,869 [intervalo de confianza del 95% (IC), 0,734-1,000], y la precisión, sensibilidad, especificidad y puntuación F1 fueron 0,731, 1,000, 0,583 y 0,900, respectivamente. El modelo Clinic-Radscore tuvo un AUC de 0,994 [IC del 95%, 0,978-1,000], y los valores de precisión, sensibilidad, especificidad y puntuación F1 fueron 0,962, 0,929, 1,000 y 0,931, respectivamente. En conclusión, el modelo radiómico basado en CECT y la radiómica clínica mostraron una buena eficacia diagnóstica en la diferenciación de APAs de NAAs; este método no invasivo, rentable y eficiente es importante para el manejo del incidentaloma suprarrenal.

Otros recursos que podrían interesarte

Temas Virtualpro