Herramienta para Cuantificación de Lesiones Tumorales Asistida por Inteligencia Artificial Integrando Modelos de Mejora Continua Componentes: * Segmentación y cuantificación de lesiones basada en IA: se integrará un Servicio de Cuantificación de Lesiones Tumorales (SCLT) que posee algoritmos de IA para segmentación de lesiones, y métodos tradicionales para su caracterización en base a descriptores morfológicos y topológicos. El proyecto se acota a lesiones tumorales sólidas definidas en la guía RECIST 1.1. * Mejora continua: los algoritmos de IA desarrollados serán continuamente ajustados en base a retroalimentación realizada por especialistas. * Plataforma web: interfaz para revisión de imágenes y resultados.

Qué problema resuelve esta capacidad

* El cáncer es una de las principales causas de muerte en todo el mundo. En Chile en 2020, se presentaron 54.2 mil casos nuevos y 28.6 mil fallecimientos. * El uso de imágenes es esencial para la estadificación, seguimiento y control del cáncer. Para la cuantificación de carga tumoral y evaluación de lesiones tumorales es común el uso de RECIST - Response Evaluation Criteria in Solid Tumors (Eisenhauer et al, 2009). * En RECIST 1.1 los radiólogos deben seleccionar y un máximo de 5 lesiones objetivo, para las que se mide el diámetro de mayor longitud al inicio del tratamiento como referencia y en los controles posteriores para evaluar su respuesta. * Se han reportado altos niveles de desacuerdo tanto en la selección como en la medición de lesiones, especialmente a medida que la carga tumoral aumenta y/o se encuentra diseminada en varios órganos, conduciendo a inconsistencias en el reporte RECIST 1.1 (Beaumont et al, 2019, Kuhl et al, 2019, Bucho et al, 2022). * Se ha demostrado que el número de lesiones objetivo definidas por RECIST 1.1 podría no representar adecuadamente la carga tumoral, y sugieren incluso incluir la totalidad de éstas (Armato et al, 2004, Kuhl et al, 2019, Bucho et al, 2022)

Cuáles son las ventajas competitivas de esta capacidad

* Reducir la variabilidad entre expertos en el análisis de lesiones tumorales. * Aumentar la precisión de las mediciones del informe radiológico. * Otorgar reproducibilidad a la evaluación radiológica a través de un análisis consistente de la evolución de la carga tumoral en el paciente durante el seguimiento de la enfermedad.

Qué más deberías saber sobre esta capacidad

TRL 3