Metología de radiómica basada en inteligencia artificial para la identificación de biomarcadores genéticos de tumores cerebrales en imágenes de resonancia magnética

Una característica de los tumores cerebrales es la presencia del biomarcador genético O6-Metilguanina- DNA-Metiltransferasa (MGMT), el cual es un indicador que, en el caso de estar presente apunta a un eventual mejor pronóstico, debido a su asociación con una respuesta favorable a la quimioterapia. Actualmente, la única forma de detectar su presencia es mediante un procedimiento invasivo de biopsia cerebral. El objetivo de este estudio es desarrollar una metodología de radiómica basada en minería de datos, para la identificación y evaluación de biomarcadores de tumores cerebrales en imágenes de resonancia magnética. Para lograr este objetivo, se utilizaron imágenes de resonancia magnética a las cuales se les aplicó una máscara de segmentación, para luego a partir de éstas, extraer variables. Una vez realizada esta etapa, se emplearon técnicas de selección de variables como LASSO, backward selection, forward selection, stepwise, Fisher-score y recursive feature elimination, para finalmente utilizar seis modelos de machine learning: Logistic Regression, Random Forest, XGBoost, Support Vector Machine, Gradient Boost y CatBoost. El modelo de clasificación que obtuvo los mejores resultados fue Logistic Regression, utilizando la técnica de selección LASSO. En el análisis de shap values, se identificaron tres variables de mayor importancia, una variable de secuencia T1CE relacionada a la textura, una variable de la secuencia FLAIR del tipo de estadísticas de primer orden y una variable de la secuencia T1 del tipo de estadísticas de primer orden.