Programa del congreso
Resúmenes y datos de las sesiones para este congreso. Seleccione una fecha o ubicación para mostrar solo las sesiones en ese día o ubicación. Seleccione una sola sesión para obtener una vista detallada (con resúmenes y descargas, si están disponibles).
|
Resumen diario |
| Sesión | |
|
Ju-S4.1-IAIm: Inteligencia artifical en imagen médica (II) Lugar: Salón de Actos Presidente de la sesión: Monica Abella García Presidente de la sesión: José Antonio Pérez Carrasco | |
    | |
8:45 - 9:00
Hacia una predicción personalizada de toxicidad en cáncer de pulmón: integración de radiómica, dosimetría y biomarcadores genéticos 1: Departamento de Teoría de la Señal y Comunicaciones, Universidad de Sevilla, Sevilla, España; 2: Departamento de Oncología Radioterápica, Instituto de Biomedicina de Sevilla (IBiS),Hospital Universitario Virgen del Rocío, CSIC, Universidad de Sevilla, Sevilla, España Este trabajo propone un procedimiento automatizado y reproducible para estudiar la toxicidad hematológica en pacientes con cáncer de pulmón tratados con radioterapia. Se desarrolló una estrategia de segmentación del esqueleto mediante TotalSegmentator y de la médula ósea a través de umbralización Otsu en 2D con posprocesado morfológico, alcanzando una coherencia anatómica robusta frente a segmentaciones manuales. A partir de estas segmentaciones, se construyó una amplia base de datos radiómica, con extracción de miles de descriptores de intensidad, geometría y textura, posteriormente reducidos mediante un esquema riguroso de filtrado estadístico, correlacional e informativo. Tras esto, se realizó un análisis univariante que reveló que un núcleo reducido de variables, especialmente de las familias GLSZM, GLDM y NGTDM, junto con descriptores morfológicos, mostró asociaciones significativas con toxicidades hematológicas de mayor severidad, particularmente en grado 3. Estos hallazgos indican que ciertos patrones de heterogeneidad y distribución de intensidades en la médula ósea son biomarcadores prometedores para predecir complicaciones hematológicas. Además, la automatización de la segmentación de la médula ósea representa un avance relevante al reducir la carga de trabajo de los especialistas y estandarizar el proceso, lo que facilita su integración en la práctica clínica. La metodología propuesta establece una base sólida para el desarrollo de futuros modelos predictivos multivariables y su potencial aplicación clínica en la personalización de la radioterapia, favoreciendo una planificación más segura y un seguimiento adaptado al riesgo de cada paciente.
| |