Deep learning-assisted target volume segmentation for uterine malignancies on non-contrast CT

En el complejo mundo del tratamiento del cáncer, la radioterapia actúa como un haz preciso de energía diseñado para destruir los tumores mientras se preservan los órganos sanos cercanos. Para hacer esto posible, los médicos primero deben trazar un mapa detallado en una exploración del paciente, delimitando exactamente dónde se encuentra el cáncer y hasta dónde debe llegar la radiación. Este mapa, conocido como volumen objetivo, es la base de todo el plan de tratamiento. Si el mapa es demasiado pequeño, el cáncer podría sobrevivir; si es demasiado grande, el tejido sano podría dañarse. Durante décadas, la creación de estos mapas ha sido una tarea lenta y manual donde un especialista traza cuidadosamente los límites en una pantalla de computadora, un proceso que varía de persona a persona y que puede tardar más de una hora por un solo paciente. El desafío es particularmente difícil para los cánceres de útero, cuello uterino y endometrio porque los tejidos blandos en la pelvis a menudo se ven muy similares en las exploraciones estándar, lo que hace que los bordes del tumor sean difíciles de ver con claridad.

Investigadores del Hospital del Cáncer de Ganzhou en China se propusieron ver si la inteligencia artificial podía ayudar a acelerar este proceso sin perder precisión. Se centraron en un tipo específico de exploración llamado tomografía computarizada sin contraste, o NCCT, que es la herramienta de imagen estándar utilizada para la planificación de la radiación, pero que carece del detalle de alto contraste de otros métodos de imagen como la resonancia magnética. El equipo entrenó a un sistema informático para que observara estas exploraciones y dibujara automáticamente los contornos de las áreas objetivo. No se limitaron a pedirle a la computadora que adivinara; construyeron un sistema que aprendió de cientos de casos previos donde médicos expertos ya habían dibujado los mapas a mano. El objetivo era crear una herramienta que pudiera proporcionar un primer borrador del mapa, que un médico pudiera luego revisar y ajustar rápidamente, en lugar de comenzar desde una pantalla en blanco cada vez.

El estudio involucró a 157 pacientes con cáncer de útero, divididos en diferentes grupos para probar el sistema de manera justa. La computadora fue entrenada con un gran grupo de pacientes y luego fue probada con un grupo separado que no había visto antes para asegurar que pudiera manejar nuevos casos. Los resultados mostraron que la inteligencia artificial era notablemente buena dibujando el límite exterior del área de tratamiento, conocido como volumen objetivo de planificación. En promedio, el dibujo de la computadora se superponía con los dibujos de los médicos expertos en más del 90 por ciento. Este límite exterior es un margen de seguridad que se añade alrededor del tumor real para asegurar que la radiación dé en el blanco incluso si el paciente se mueve ligeramente. Sin embargo, el sistema fue menos perfecto cuando se trataba del límite interior, que marca el volumen objetivo clínico real donde se sabe que existe la enfermedad. Para esta área interna, la superposición fue de aproximadamente el 72 por ciento. Esta diferencia es significativa porque el límite interior es mucho más difícil de definir en una exploración estándar, ya que el tumor se mezcla con el tejido circundante.

Para entender si estos mapas generados por computadora eran realmente útiles en una clínica real, tres médicos especialistas en radiación revisaron los resultados de forma independiente. Calificaron la calidad del trabajo de la computadora en una escala simple. Para el margen de seguridad exterior, los médicos encontraron que el trabajo de la computadora era clínicamente aceptable en más del 91 por ciento de los casos, lo que significa que estaba listo para usarse con solo realizar pequeños ajustes. Para el límite interno del tumor, la tasa de aceptación fue menor, de aproximadamente el 75 por ciento, con los casos restantes requiriendo cambios más sustanciales. Los médicos observaron que la computadora a veces tenía dificultades en la parte superior e inferior del área objetivo o donde el útero se encuentra con el recto, áreas donde el contraste de tejido es naturalmente pobre. A pesar de estas imperfecciones, el sistema no produjo ningún mapa que fuera completamente inutilizable. La clave fue que la computadora podía proporcionar un punto de partida sólido, pero un médico humano aún necesitaba revisar y refinar los límites internos cuidadosamente.

El impacto más dramático de esta tecnología se vio en el tiempo que tomó completar el trabajo. En una prueba separada que involucró a 20 pacientes, un solo médico comparó cuánto tiempo tomaba dibujar los mapas a mano frente al uso del borrador de la computadora. Al dibujar desde cero, el proceso tomaba un promedio de 65 minutos por paciente. Al usar la computadora para generar el contorno inicial, el cual el médico luego editaba, el tiempo disminuyó a solo 14 minutos. Esto representó una reducción de casi el 80 por ciento en el tiempo requerido para este paso crítico. Los autores del estudio fueron cuidadosos al señalar que esta era una prueba de un solo centro y que el sistema aún no había demostrado funcionar perfectamente para cada tipo de paciente o en cada hospital. Enfatizaron que, si bien la computadora ahorraba una cantidad tremenda de tiempo, no era un reemplazo para la experiencia del médico. El sistema se ve mejor como un asistente poderoso que se encarga del trabajo pesado de dibujar, permitiendo que el equipo médico se concentre su energía en las decisiones finales y cruciales que aseguran que el tratamiento sea tanto seguro como efectivo.