DIFERENCIACIÓN DE LESIONES PAROTÍDEAS BENIGNAS Y MALIGNAS MEDIANTE INTELIGENCIA ARTIFICIAL

Resumen

OBJETIVOS Las lesiones tumorales parotídeas son relativamente frecuentes, y comportan un diverso rango de entidades benignas y malignas siendo las más frecuentes el Adenoma Pleomorfo, el Tumor de Warthin y el Carcinoma Mucoepidermoide. El objetivo de este trabajo es valorar la posibilidad de diferenciar estas tres entidades mediante análisis de textura empleando algoritmos de Machine Learning (ML).   MATERIAL Y MÉTODOS Se seleccionaron pacientes con Adenoma Pleomorfo, Tumor de Warthin y Carcinoma Mucoepidermoide de la parótida a los que se les realizó una resección del tumor disponiendo así de pieza quirúrgica para anatomía patológica.  Todos los pacientes disponían de un TC de cuello con contraste prequirúrgico, realizado con técnica similar. Se realizó una segmentación volumétrica de todos los tumores, obteniendo datos de textura con estadísticos de primer nivel. Con estos datos se generaron diversos predictores de Machine Learning (ML) para valorar la capacidad de diferenciación entre los tres tumores mediante la información obtenida con el análisis de textura. RESULTADOS   El análisis que diferenciaba los tres tipos de tumores presentaba una precisión baja (60%), mientras que la diferenciación entre tumores benignos (Warthin + pleomórfico) y carcinoma mucoepidermoide alcanzó tasas de predicción del 72% (buena) con diferentes modelos de Machine Learning. CONCLUSIONES La radiómica permite realizar una diferenciación aceptable entre los tumores benignos y malignos más frecuentes de la parótida con TC. Es preciso extender este estudio a imagen por RM para valorar si esta técnica proporciona datos más robustos que permitan realizar una diferenciación de mayor valor.