Notizie
Carcinoma basocellulare vulvare: il ruolo della chirurgia di Mohs
Nel 2025, alcuni studiosi cileni e statunitensi hanno pubblicato su Clinical and Experimental Dermatology una revisione sistematica dedicata al carcinoma […]
Risonanza magnetica della mammella basata sull’apprendimento profondo per prevedere metastasi dei linfonodi ascellari
Un’equipe di ricercatori ha effettuato una revisione sistematica e una meta-analisi con lo scopo di valutare le performance diagnostiche degli algoritmi di deep learning applicati alla risonanza magnetica mammaria (MRI) nella previsione delle metastasi ai linfonodi ascellari in pazienti affette da cancro della mammella. Sono stati esplorati con attenzione i database PubMed, MEDLINE ed Embase alla ricerca di lavori pertinenti pubblicati da gennaio 2004 a febbraio 2025. I criteri di inclusione includono: pazienti con cancro al mammario; applicazione del deep learning utilizzando immagini MRI per prevedere le metastasi ai linfonodi ascellari; presenza di dati sufficienti; articoli di ricerca originali.
La qualità degli studi è stata valutata utilizzando il Quality Assessment of Diagnostic Accuracy Studies-AI e la Checklist for Artificial Intelligence in Medical Imaging. L’analisi statistica ha incluso la combinazione dell’accuratezza diagnostica e l’indagine sull’eterogeneità tra gli studi. È stata eseguita una curva caratteristica operativa del ricevitore riassuntiva (SROC). Per le analisi statistiche, il team ha utilizzato il software statistico R (versione 4.4.0).
Alla fine, gli esperti hanno selezionato 10 documenti ritenuti idonei. La sensibilità e la specificità combinate sono rispettivamente dello 0,76 (IC 95%, 0,67-0,83) e dello 0,81 (IC 95%, 0,74-0,87), con entrambe le misure che presentano eterogeneità moderata tra gli studi (I² = 61% e 60%, rispettivamente; p < 0,01). L’analisi SROC ha prodotto un’AUC ponderata di 0,788. Gli Autori concludono che la meta-analisi dimostra che gli algoritmi di deep learning applicati alla risonanza magnetica mammaria offrono performance diagnostiche promettenti per la previsione delle metastasi ai linfonodi ascellari nelle pazienti con cancro della mammella. L’integrazione del deep learning nella pratica clinica potrebbe quindi migliorare il processo decisionale fornendo un metodo non invasivo per prevedere con maggiore accuratezza il coinvolgimento dei linfonodi e riducendo potenzialmente la necessità di interventi chirurgici non necessari.
Fonte: Cancer Imaging. 2025
https://cancerimagingjournal.biomedcentral.com/articles/10.1186/s40644-025-00863-3
