A Longitudinal MRI-Based Artificial Intelligence System to Predict Pathological Complete Response After Neoadjuvant Therapy in Rectal Cancer: A Multicenter Validation Study

ANTECEDENTES:La predicción precisa de la respuesta a la quimiorradioterapia neoadyuvante es fundamental para las decisiones de tratamiento posteriores para los pacientes con cáncer de recto localmente avanzado.OBJETIVO:Desarrollar y validar un modelo de aprendizaje profundo basado en la comparación de resonancias magnéticas pareadas antes y después de la quimiorradioterapia neoadyuvante para predecir la respuesta patológica completa.DISEÑO:Al capturar los cambios de las imágenes de resonancia magnética antes y después de la quimiorradioterapia neoadyuvante en 638 pacientes, entrenamos un modelo de aprendizaje profundo multitarea para la predicción de respuesta (DeepRP-RC) que también permitió la segmentación simultánea. Su rendimiento se probó de forma independiente en un conjunto de validación interna y tres externas, y también se evaluó su valor pronóstico.ESCENARIO:Estudio multicéntrico.PACIENTES:Volvimos a incluir retrospectivamente a 1201 pacientes diagnosticados con cáncer de recto localmente avanzado y sometidos a quimiorradioterapia neoadyuvante antes de la escisión total del mesorrecto. Eran de cuatro hospitales en China en el período entre enero de 2013 y diciembre de 2020.PRINCIPALES MEDIDAS DE RESULTADO:Los principales resultados fueron la precisión de la predicción de la respuesta patológica completa, medida como el área bajo la curva operativa del receptor para los conjuntos de datos de entrenamiento y validación.RESULTADOS:DeepRP-RC logró un alto rendimiento en la predicción de la respuesta patológica completa después de la quimiorradioterapia neoadyuvante, con valores de área bajo la curva de 0,969 (0,942-0,996), 0,946 (0,915-0,977), 0,943 (0,888-0,998), y 0,919 (0,840-0,997) para los conjuntos de validación interna y las tres externas, respectivamente. DeepRP-RC se desempeñó de manera similar en los subgrupos definidos por la recepción de radioterapia, la ubicación del tumor, los estadios T/N antes y después de la quimiorradioterapia neoadyuvante y la edad. En comparación con los radiólogos experimentados, el modelo mostró un rendimiento sustancialmente mayor en la predicción de la respuesta patológica completa. El modelo también fue muy preciso en la identificación de los pacientes con mala respuesta. Además, el modelo se asoció significativamente con la supervivencia libre de enfermedad independientemente de las variables clinicopatológicas.LIMITACIONES:Este estudio estuvo limitado por el diseño retrospectivo y la ausencia de datos multiétnicos.CONCLUSIONES:DeepRP-RC podría servir como una herramienta preoperatoria precisa para la predicción de la respuesta patológica completa en el cáncer de recto después de la quimiorradioterapia neoadyuvante. (Traducción-Dr. Felipe Bellolio ).