O-017 - INTELIGENCIA ARTIFICIAL: UN ALIADO CLAVE EN LA PREDICCIÓN DE LA MORBIMORTALIDAD POSOPERATORIA EN CÁNCER ESOFAGOGÁSTRICO
Hospital Universitario Virgen de la Victoria, Málaga.
Objetivos: La morbimortalidad posoperatoria en el cáncer esofagogástrico continúa representando un reto clínico significativo, a pesar de los avances quirúrgicos y perioperatorios. En este contexto, la inteligencia artificial (IA) se posiciona como una herramienta emergente de gran valor para la predicción individualizada de resultados clínicos. Nuestro estudio explora la integración de algoritmos de IA aplicados al análisis de tomografía computarizada (TAC) preoperatoria con fines de valoración morfofuncional.
Métodos: Se realizó un análisis retrospectivo de pacientes intervenidos por cáncer esofagogástrico en un centro terciario entre 2014 y 2020. Se emplearon modelos de aprendizaje automático entrenados con parámetros extraídos del TAC, incluyendo masa muscular esquelética, grasa visceral y subcutánea, junto con datos funcionales como la dinamometría y parámetros clínicos nutricionales (tabla 1). Estos datos se correlacionaron con resultados posoperatorios a 30 y 60 días, incluyendo complicaciones mayores (Clavien-Dindo #1 III) y mortalidad.
Resultados: Los resultados demuestran que la IA, aplicada sobre imágenes de TAC, permite una estratificación de riesgo más precisa que los modelos clínicos tradicionales. En particular, la sarcopenia oculta y la baja masa muscular mostraron fuerte asociación con desenlaces adversos (tabla 2 y fig.).
|
Tabla 1. Características clínicas. Variables cualitativas expresadas en frecuencias absolutas (ni) y porcentajes (%). Paramétricas mediante media (M) y desviación estándar (DE). No paramétricas mediante mediana (Me) y rango intercuartílico (IQR) |
|
|
Parameter |
Results |
|
Sample size (ni) |
n = 70 |
|
Age (years) |
Me = 69 |
|
IQR = 18.8 |
|
|
Charlson Index |
Me = 5 |
|
IQR = 3.75 |
|
|
ASA index |
I.n = 6 (8.6%) |
|
II.n = 36 (51.4%) |
|
|
III n = 26 (37.1%) |
|
|
IV.n = 2 (2.9%) |
|
|
Weight (kg) |
M = 69.5 |
|
SD = 12.9 |
|
|
Height (cm) |
Me = 164 |
|
IQR = 9.75 |
|
|
BMI (kg/m2) |
M = 25.9 |
|
SD = 4.58 |
|
|
Weigth lost > 5p (< 6 months) |
n = 43 (61.4%) |
|
Glim |
0. n = 28 (40%) |
|
1. n = 16 (22.9%) |
|
|
2. n = 26 (37.1%) |
|
|
Muscle1 (cm2) |
Me = 127 |
|
IQR = 43.5 |
|
|
IMAT1 (cm2) |
Me = 9.57 |
|
IQR = 9.54 |
|
|
VAT1 (cm2) |
Me = 160 |
|
IQR = 127 |
|
|
SAT1 (cm2) |
Me = 140 |
|
IQR = 84.5 |
|
|
SMI1 |
M = 51.4 |
|
SD = 10.2 |
|
|
Low muscle mass1 |
Yes.n = 27 (38.6%) |
|
No.n = 43 (61.4%) |
|
|
Muscle2 (cm2) |
M = 127 |
|
SD = 30.3 |
|
|
IMAT2 (cm2) |
Me = 7.44 |
|
IQR = 10.8 |
|
|
VAT2 (cm2) |
Me = 118 |
|
IQR = 128 |
|
|
SAT2 (cm2) |
Me = 130 |
|
IQR = 93.3 |
|
|
SMI2 |
M = 50.5 |
|
SD = 10.8 |
|
|
Low muscle mass2 |
Yes.n = 24 (36.9%) |
|
No.n = 41 (63.1%) |
|
|
Dynamometry (JAMAR) (kg) |
Me = 22 |
|
IQR = 29.4 |
|
|
Strenght lost |
Yes.n = 32 (45.7%) |
|
No.n = 38 (54.3%) |
|
|
Myosteatosis |
Yes.n = 20 (28.6%) |
|
No.n = 50 (71.4%) |
|
|
Sarcopenia |
Yes.n = 23 (32.9%) |
|
No.n = 47 (67.1%) |
|
|
Neoplasm location (ni) |
Esophageal n = 21 (30%) |
|
Gastric n = 49 (70%) |
|
|
Stage (TNM) at diagnosis |
IA (n = 17); IB (n = 8); IIA (n = 16); IIB (n = 8); |
|
IIIA (n = 13); IIIB (n = 3); IIIC (n = 2); IV (n = 3) |
|
|
Neoadyuvant therapy (ni) |
Yes.n = 27 (38.6%) |
|
No.n = 43 (61.4%) |
|
|
First surgery |
Esophagectomy.n = 22 (31.4%) |
|
Gastrectomy.n = 46 (65.7%) |
|
|
Other.n = 2 (2.9%) |
|
|
Clavien-Dindo 30 days (#1 IIIB) |
Yes.n = 11 (15.7%) |
|
No.n = 59 (84.3%) |
|
|
Clavien-Dindo 60 days (#1 IIIB) |
Yes.n = 6 (8.6%) |
|
No.n = 64 (91.4%) |
|
|
Hospital stay (days) |
Me = 12.5 |
|
IQR = 18 |
|
|
Active chemotherapy (ni) |
Yes.n = 27 (38.6%) |
|
No.n = 43 (61.4%) |
|
|
Mortality (ni) |
Yes.n = 8 (11.4%) |
|
No.n = 62 (88.6%) |
|
|
MACE (Clavien #1 IIIB+Mortality) |
Yes.n = 32 (45.7%) |
|
No.n = 38 (54.3%) |
|
Tabla 2. Resultados estadísticos con p significativa en χ2 |
|||
|
Parameters |
Statistical Analysis |
Results |
|
|
Preoperative Low Muscle Mass |
MACE(Clavien-Dindo > III + Mortality) |
χ2 |
p = 0.019 |
|
Dinamometry |
MACE |
χ2 |
p = 0.046 |
|
Sarcopaenia |
MACE |
χ2 |
p = 0.022 |
Conclusiones: Concluimos que la IA basada en TAC preoperatorio ofrece un enfoque no invasivo, objetivo y reproducible para optimizar la selección de candidatos quirúrgicos y anticipar complicaciones, lo que representa un avance significativo hacia la personalización del tratamiento en cirugía oncológica.
