Tabla de contenido

Portada

Autores

Objetivos

Pacientes y Métodos

Método: Red neuronal

Red Neuronal

Red Neuronal

Métodos

Métodos

Resultados

Benigno y maligno

Diagnósticos

Conclusiones

Conclusiones

Objetivos

Establecer la utilidad de redes neuronales (RN) comparadas con regresión logística (RL) para la malignidad e histología de lesiones de la calota, identificando el conjunto mínimo de variables radiológicas que proporcionaría un rendimiento diagnóstico adecuado.

Material y Métodos

La muestra la componen 167 pacientes -74 hombres (44,6%) y 93 mujeres (55,4%) con una edad desde 6 meses a 81 años- con lesiones focales de la bóveda craneal comprobadas histológicamente Todos los pacientes tenían radiografías simples y TC (ventana ósea y de partes blandas). Las lesiones se dividieron en benignas y malignas, y en diagnósticos histológicos; recogiéndose variables radiológicas y clínicas. Se construeyeron dos RN una para benigno vs. maligno y otra para diagnósticos. Se analizó mediante RL cada uno de los diagnósticos comparándose con la RN. Ambos modelos se validaron por el método leave-one-out y su rendimiento mediante las áreas bajo la curva ROC.

Resultados

Las lesiones fueron 73,1% benignas y 26,9% malignas. Los diagnósticos más comunes fueron: histiocitosis de células de Langerhans, osteoma, quiste epidermoide, metástasis, meningioma, hemangioma y displasia fibrosa. No hubo diferencias estadísticamente significativas entre RL y RN en la diferenciación de lesiones malignas, siendo en diagnósticos, la RN superior a la RL (p<0,001). Las variables importantes necesarias en la RN para malignidad fueron edad y definición de los bordes, y para diagnósticos histológicos matriz,esclerosis marginal y edad.

Discusión

La RN clasifica correctamente un mayor número de lesiones de calota aun con muestras escasas, permitiendo una mejor capacidad de estudio de las mismas y descubriendo interacciones ocultas entre las variables, no presentes en el análisis estadístico convencional.

Palabras clave Cráneo, neoplasia. Tomografía computarizada. Red neuronal. Regresión logística. Curvas ROC

[Ver Texto completo]