Apoyando a los profesionales de la oncología a través de la educación
El contenido de este sitio está destinado solo a profesionales de la salud
El contenido de este sitio está destinado solo a profesionales de la salud
El cáncer de estómago, o cáncer gástrico, es una malignidad gastrointestinal común.
La metástasis peritoneal se produce en la mayoría de los pacientes con cáncer de estómago avanzado y se considera una enfermedad agresiva con malos resultados.
Los pacientes con metástasis peritoneal no suelen ser aptos para la cirugía curativa.
Por lo tanto, la detección y el diagnóstico preoperatorios de la metástasis peritoneal son fundamentales para fundamentar la toma de decisiones sobre el tratamiento y evitar una cirugía innecesaria.
Un nuevo estudio publicado en la Red Abierta de JAMA el 5 de enero muestra que el aprendizaje profundo puede ayudar a predecir la metástasis peritoneal oculta en el cáncer de estómago.
Proporciona un enfoque novedoso y no invasivo para los pacientes con cáncer de estómago y puede informar sobre el manejo quirúrgico individualizado del cáncer de estómago.
El estudio fue realizado por el grupo del Dr. XIE Yaoqin de los Institutos de Tecnología Avanzada de Shenzhen (SIAT) de la Academia China de Ciencias, el Dr. LI Ruijiang de la Universidad de Stanford, el Dr. LI Guoxin del Hospital de Nanfang, y el Dr. ZHOU Zhiwei del Centro de Cáncer de la Universidad Sun Yat-sen.
Los investigadores desarrollaron un modelo de aprendizaje profundo llamado Red de Metástasis Peritoneal (PMetNet) para predecir la metástasis peritoneal clínicamente oculta utilizando imágenes de tomografía computarizada (TC) preoperatoria en pacientes con cáncer de estómago.
El Dr. JIANG Yuming de la Universidad de Stanford, uno de los primeros autores de este estudio, explicó que el modelo de aprendizaje profundo propuesto puede servir como una herramienta fiable y no invasiva para la identificación temprana de los pacientes con metástasis peritoneales clínicamente ocultas.
"También puede informar la toma de decisiones individualizada de tratamiento preoperatorio y puede evitar cirugías y complicaciones innecesarias", dijo el candidato al doctorado LIANG Xiaokun del SIAT, el otro co-primer autor.