Radiômica baseada em Aprendizado de Máquina a partir de Ressonância Magnética Multiparamétrica para Prever Metástase em Linfonodos no Câncer do Colo do Útero

Resumo Contexto Construir e comparar múltiplos modelos de aprendizado de máquina para prever metástase em linfonodos (LN) no câncer do colo do útero, utilizando características radiômicas extraídas de ressonância magnética (RM) multiparamétrica pré-operatória. Métodos Este estudo inscreveu retroativamente 407 pacientes com câncer do colo do útero, que foram divididos aleatoriamente em coorte de treinamento (n = 284) e coorte de validação (n = 123). Um total de 4065 características radiômicas foram extraídas das regiões tumorais de interesse em imagens T1 ponderadas por contraste, imagens T2 ponderadas e imagens ponderadas por difusão para cada paciente. O teste U de Mann-Whitney, análise de correlação de Spearman e seleção de características pela análise de regressão Cox foram empregados para a seleção de características radiômicas. A relação entre as características radiômicas de RM e o estado dos LN foi analisada por cinco algoritmos de aprendizado de máquina. O desempenho do modelo foi avaliado medindo a área sob a curva característica de operação do receptor (AUC) e a acurácia (ACC). Além disso, a análise de Kaplan–Meier foi utilizada para validar o valor prognóstico das características clínicas e radiômicas selecionadas. Resultados A metástase em LN foi detectada patologicamente em 24,3% (99/407) dos pacientes. Após a seleção de características em três etapas, 18 características radiômicas foram empregadas para a construção do modelo. O modelo XGBoost exibiu desempenho superior em comparação com outros modelos, alcançando uma AUC, acurácia, sensibilidade, especificidade e F1-score de 0,9268, 0,8969, 0,7419, 0,9891 e 0,8364, respectivamente, no conjunto de validação. Além disso, as curvas de Kaplan – Meier indicaram uma correlação significativa entre escores radiômicos e sobrevida livre de progressão em pacientes com câncer do colo do útero (p < 0,05). Conclusão A análise radiômica de RM multiparamétrica baseada em aprendizado de máquina demonstra um desempenho promissor na predição pré-operatória de metástase em LN e prognóstico clínico no câncer do colo do útero.