Descargar PDF

Documento descargado de http://www.elsevier.es el 19/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
Acta Otorrinolaringol Esp 2002; 53: 683-690
INVESTIGACIÓN BÁSICA O CLÍNICA
SISTEMA INTELIGENTE PARA PROTOCOLIZAR EL
DIAGNÓSTICO DE INVASIÓN GANGLIONAR
EN EL CÁNCER DE LARINGE
E. ZAPATER*, S. MORENO**, M. ARMENGOT*, A. CAMPOS*, C. TALEB*, J.R. ALBA*, J. BASTERRA**
*SERVICIO DE OTORRINOLARINGOLOGÍA. HOSPITAL GENERAL UNIVERSITARIO DE VALENCIA.
**DEPARTAMENTO DE INFORMÁTICA Y ELECTRÓNICA. FACULTAD DE FÍSICAS.
UNIVERSIDAD DE VALENCIA.
RESUMEN
l cáncer de laringe es el tumor maligno de cabeza y cuello
más frecuente. La invasión ganglionar es uno de los factores
que más influye en el pronóstico de esta patología. El objetivo de este trabajo ha sido diseñar un sistema inteligente capaz de
elaborar un protocolo diagnóstico de adenopatías metastásicas. Se
han revisado 122 historias clínicas de pacientes diagnosticados de
cáncer de laringe en nuestro servicio. Los datos recopilados han sido la localización tumoral, el estadio T y el estadio N (clínico, por
E
TC y postcirugía). El método utilizado para elaborar el sistema inteligente ha sido el ID3, capaz de generar un árbol de decisión mínimo. La palpación ha sido la variable que mayor información ha
aportado al conocimiento de la invasión ganglionar. La TC se ha
mostrado más eficaz en los tumores supraglóticos. El método ID3
es útil para la elaboración de algoritmos diagnósticos, sobre todo
cuando el número de casos y la cantidad de pruebas diagnósticas
son elevados.
PALABRAS CLAVE: Inteligencia artificial. Cáncer de laringe. Adenopatías cervicales.
ABSTRACT
INTELLIGENT SYSTEM TO PERFORM A DIAGNOSTIC PROTOCOL
FOR GANGLIONAR INVASION IN LARYNGEAL CARCINOMA
aryngeal carcinoma is the most frequent malignant tumour in
head and neck. Node invasion is known to be one of the most
important prognostic factors. The aim of this study has been
to design an intelligent system to perform a diagnostic algorithm of
metastasic neck nodes. 122 clinical reports of patients diagnosed of
laryngeal carcinoma in our department have been reviewed. The
compiled data have been: tumor site, T stage, N stage (clinical, after
L
CT scan and post-surgery). The method used to design the intelligent system has been the ID3, which is able to generate a minimal
decision tree. Palpation has been the variable that has given more
information about node invasion. CT has proved to be more efficient
in supraglottic tumours. ID3 method has shown to be useful in performing diagnostic algorithms, specially when the number of cases
and diagnostic tests are high.
KEY WORDS: Artificial intelligence. Laryngeal carcinoma. Neck nodes.
Correspondencia: Enrique Zapater Latorre. Avda Peris y Valero 159-5. 46005 Valencia.
E-mail: [email protected]
Fecha de recepción: 4-1-2002
Fecha de aceptación: 2-9-2002
Acta Otorrinolaringol Esp 2002; 53: 683-690
683
Documento descargado de http://www.elsevier.es el 19/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
E. ZAPATER ET AL. DIAGNOSTICO DE INVASIÓN GANGLIONAR EN EL CÁNCER DE LARINGE
INTRODUCCIÓN
De sobra es conocida por el especialista en
Otorrinolaringología la elevada frecuencia del cáncer de laringe en nuestro medio. Representa el
5,6% de los tumores malignos1 y se diagnostican
cerca de 20 casos nuevos por cada 100.000 habitantes y año2. La afectación ganglionar metastásica es considerada por numerosos autores el factor
que tiene mayor repercusión en el pronóstico de la
enfermedad3-5. Por ello tratar adecuadamente los
ganglios cervicales es tan importante como resolver el problema del tumor primario. Actualmente
se emplean numerosas técnicas para intentar predecir la existencia de invasión metastásica ganglionar cervical en los carcinomas de cabeza y
cuello: la tomografía computarizada (TC), la resonancia magnética nuclear (RMN), la ecografía
(ECO) y últimamente, la tomografía por emisión de
positrones (PET). Ninguna de ellas es completamente sensible y específica. En la práctica clínica,
al margen de la palpación cervical, la única que se
usa rutinariamente en el carcinoma laríngeo es la
TC.
El propósito de este estudio ha sido elaborar
un protocolo diagnóstico de invasión ganglionar
cervical en el cáncer de laringe utilizando como
variables una serie de datos relacionados con el
tumor o con las adenopatías cervicales. Para analizar dichos datos y elaborar el algoritmo diagnóstico hemos diseñado un programa basado en técnicas de inteligencia artificial (IA). La IA es la rama
de la ciencia cuyo objetivo es la construcción de
máquinas capaces de imitar el comportamiento
inteligente de las personas6. Un sistema de inteligencia artificial es aquel que incorpora, de forma
manipulable por el propio ordenador, el conocimiento sobre un tema y los procedimientos generales para encontrar respuestas a los problemas
que se plantean en torno a dicho tema. Dichos
procedimientos representan el programa en sí y
pueden ser modificados por el propio sistema inteligente cuando se cambia el conocimiento sobre el
tema en cuestión7. En programación tradicional el
conocimiento sobre el tema a estudiar y los procedimientos de resolución de problemas están integrados en un proceso unificado, por lo que si cambia el conocimiento hay que reelaborar el
programa por completo para que siga siendo útil.
En un programa basado en IA el conocimiento y el
programa propiamente dicho están separados. Por
ejemplo, en un sistema inteligente para análisis de
datos médicos el conocimiento médico ocupa un
primer bloque y está escrito en un lenguaje comprensible por cualquier médico. Se trata de una lis-
684
Tabla 1: Fragmento de sistema inteligente para
diagnóstico en Medicina, en el que se muestra
su división en dos bloques: uno destinado
al conocimiento y otro a los procedimientos
de resolución de problemas planteados
en torno al primer bloque
Base de conocimiento
e[SfaringitisS, 0, 02, (3, 1, 0.01, 16, 0.9, 0.01, 8, 0.5, 0.01, 11,
0.9, 0.01, 37, 0.8, 0.3, 64, 0.4, 0.01)].
e[SamigdalitisS, 0.001, (3,1,0.01, 7, 0.9, 0.01, 15, 1, 0.01, 11,0.01,
0.9, 15, 0.01, 0.3, 32, 0.9, 0.01)]
e[SgripeS, 0.01, (3, 0.9, 0.01, 1, 0.9, 0.01, 6, 0.5, 0.01, 7, 0.3,
0.01, 15, 0.9, 0.01, 25, 0.01, 0.3)]
e[Stumor de laringeS, 0.0004, (4, 1, 0.01, 34, 0.59, 0.01, 37, 0.8,
0.3)]
Shell del sistema inteligente
main :- inicialización (H, E), bucle(H, E, Hi, Phi),
conclusión (Hi, Phi)
inicialización(H,E) :assert (maximo (0)),
findall (NH, PH, 1, 1, 1), e(NH, PH, _), H),
valor_sintoma,
findall ((NE, VE), valor, (NE, VE), E),
abolish(valor/2).
ta de reglas fáciles de entender y modificar sin ser
un especialista en programación. Los síntomas de
cada una de las enfermedades o los resultados de
las exploraciones suelen codificarse, como puede
apreciarse en el ejemplo de la tabla 1. Los procedimientos de resolución de problemas en torno al
conocimiento médico (o sea, el programa propiamente dicho) ocupa un segundo bloque y está escrito en lenguaje informático. El programa es capaz de razonar utilizando esquemas lógicos o
similares que no dependen para nada del conocimiento médico. Si por ejemplo apareciera un nuevo método diagnóstico que añadiera datos al conocimiento médico bastaría con añadir una nueva
regla a la base del conocimiento. El programa
analizaría las consecuencias de la introducción de
la regla sobre el protocolo diagnóstico o terapéutico previamente elaborado.
Una de las características de la IA es su buena
adaptación para tratar información incompleta y/o
imprecisa7. De hecho la mayoría de técnicas de IA
han sido desarrolladas para operar justamente bajo estas condiciones. Esto se consigue con lo que
Acta Otorrinolaringol Esp 2002; 53: 683-690
Documento descargado de http://www.elsevier.es el 19/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
ACTA OTORRINOLARINGOLÓGICA ESPAÑOLA
se denomina "sistema de revisión de opiniones".
Cada vez que una nueva información conduce a
un conflicto con la base de conocimiento esta opinión es revisada para eliminar dicho conflicto. Si
varias soluciones son posibles se elige la más
simple. Por ejemplo, en un sistema inteligente con
las opiniones "los pájaros vuelan", "los pingüinos
no vuelan" y "Tweety es un pájaro", se deduciría
que "Tweety vuela" en ausencia de otra información. Sin embargo, si se añadiera una nueva información del tipo "Tweety es un pingüino", la opinión
"Tweety vuela" sería eliminada.
El método concreto de IA utilizado en este estudio ha sido el ID38. Se trata de un método empírico, cuya finalidad es la predicción sobre casos
nuevos moviéndose más allá del entrenamiento.
La base de conocimiento se obtiene mediante la
experiencia (análisis de historias clínicas en nuestro estudio) y su registro en un fichero de casos. A
partir de esta base experimental se asigna una
conclusión (técnicamente denominada clase) a cada una de las situaciones posibles (conocidas con
el nombre de atributos)9. Por ejemplo, si lo que se
pretende es averiguar el pronóstico del cáncer de
laringe en una serie de pacientes, la clase vendría
representada por el propio pronóstico, que deberá
ser codificado para permitir que el programa lo
maneje como un dato más: clase 0, paciente
muerto; clase 1, paciente vivo. Los atributos son
los potenciales factores pronóstico: estadio T, estadio N, edad, etc. El objetivo es identificar el conjunto mínimo de reglas que explican cómo extraer
la clase a partir de los atributos de un conjunto de
casos dado. Dicho de otra forma, pretendemos definir la función clase = f (atributos).
MATERIAL Y MÉTODO
Se ha realizado un estudio retrospectivo de una
serie de 122 pacientes diagnosticados de cáncer
de laringe en el Servicio de Otorrinolaringología de
Hospital General Universitario de Valencia, entre
los años 1977 y 1996. La edad media de los pacientes fue de 62,5, con un rango que osciló entre
36 y 89 años. La localización tumoral más frecuente fue la supraglótica (74 pacientes). En 45 casos
el tumor se localizó en la región glótica y en 3 casos en la subglotis. En los estadios avanzados se
ha supuesto la localización inicial en función del
mayor volumen tumoral en uno de los tres compartimentos anatómicos. Si persistía la duda ha sido el primer síntoma el que ha decidido la localización: disfagia para la supraglotis, disfonía para la
glotis y disnea para la subglotis.
Tabla 2: Distribución por estadios T
según la localización tumoral
SUPRAGLOTIS
GLOTIS
SUBGLOTIS
TO-
T1
6
20
26
T2
8
3
11
T3
45
20
2
67
T4
15
2
1
18
TAL
El estadiaje T y N se realizó según la clasificación propuesta por la Unión Internacional Contra el
Cáncer (UICC) en 1987. La distribución en estadios T según la localización tumoral puede verse
en la tabla 2. El estadio T en el que con mayor
frecuencia se diagnosticaron los pacientes fue el
T3 (67 de los 122 casos). Con respecto al estadio
N clínico, 101 pacientes se encontraban en estadio N0 en el momento del diagnóstico, 7 pacientes
en estadio N1, 7 en estadio N2a, 3 en estadio N2b
y 4 en estadio N3.
Tras la revisión de las historias clínicas se
comprobó que a 35 de los 122 pacientes se les
había realizado un estudio mediante TC cervical.
Se obtuvieron planos desde el reborde superior
del cavum hasta la unión esternoclavicular. La
separación entre planos es de 5 mm y de 3 en
los casos patológicos. Los estudios se realizaron
sin y con contraste yodado. Los criterios radiológicos utilizados para considerar a una adenopatía
como metastásica fueron: tamaño superior a 15
mm y/o anillo de refuerzo periférico y/o necrosis
central y/o signos de invasión extranodal (bordes
espiculados e irregulares, engrosamiento de la
fascia adyacente al ganglio o invasión de estructuras vecinas). El estadio N según la TC fue el siguiente: 20 casos N0, 4 N2a, 6 N2b, 2 N2c y 3
N3. En 87 pacientes no se disponía de estudio
mediante TC.
Se practicaron 4 técnicas quirúrgicas sobre el
tumor laríngeo: a 15 pacientes se les realizó una
cordectomía, a 15 una laringuectomía horizontal
supraglótica, a 84 una laringuectomía total y a 8
una laringuectomía total ampliada. Con respecto a
la cirugía sobre los ganglios cervicales, en 27 pacientes no se practicaron vaciamientos, en 6 casos
se realizó un vaciamiento funcional ipsilateral, a 76
pacientes se les practicaron vaciamientos funcionales bilaterales, a 11 un vaciamiento radical ipsi-
Acta Otorrinolaringol Esp 2002; 53: 683-690
685
Documento descargado de http://www.elsevier.es el 19/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
E. ZAPATER ET AL. DIAGNOSTICO DE INVASIÓN GANGLIONAR EN EL CÁNCER DE LARINGE
Tabla 3: Codificación de los datos recopilados
Localización del tumor
1- Supraglotis
2- Glotis
3- Subglotis
Estadio T
1- T1
2- T2
4- T4
Estadio N clínico: 0- N0
1- N1
2- N2a
Estadio N tras estudio por TC
0- N0
Estadio N anátomo-patológico
0- N0
3- N2b
1- N1
2- N2a 3- N2b
1- N1
2- N2a
5- N3
4- N2c
5- N3
4- N2c
6- No disponible
5- N3
lateral y funcional contralateral y a 2 un vaciamiento radical ipsilateral.
El término vaciamiento radical incluye, no sólo
el clásico, con resección del esternocleidomastoideo, vena yugular y nervio espinal, sino también
modificaciones de este, conservando alguna de
estas estructuras.
El estadio N post-cirugía fue el siguiente: 60
pacientes en estadio N0, 10 en estadio N1, 1 N2a,
11 N2b, 10 N2c y 3 N3. En 27 casos no se disponía de este dato por no haberse practicado vaciamientos.
Las variables utilizadas para la elaboración del
sistema inteligente fueron las ya mencionadas: localización tumoral, estadio T, estadio N clínico
(palpación cervical), estadio N según la TC y estadio N postcirugía (tras el estudio anátomo-patológico). Fueron almacenadas en una base de datos
codificadas tal y como puede verse en la tabla 3.
Posteriormente fueron analizadas mediante el programa diseñado para tal fin. Como se ha apuntado
en la introducción el método empleado para elaborar el programa ha sido el ID3. Fue implementado
en lenguaje Prolog, concretamente el Arity Prolog
6. Las variables incluidas como atributos son la localización tumoral, el estadio T, el estadio N clínico
y el estadio N según la TC. La clase viene representada por el estadio N postcirugía. La clase sería 0 cuando no hubiese invasión ganglionar y 1
cuando al menos una de las adenopatías estudiadas se encontrara infiltrada. Se pretende elaborar
un árbol de decisión valorando la información
aportada por cada uno de los atributos. La raíz del
árbol será el atributo que mayor información aporte al conocimiento de la clase. El final de árbol debe ser la clase, o sea, la existencia o no de ade-
686
3- T3
3- N2b
4- N2c
6- No disponible
nopatías metastásicas. El programa se ha diseñado para que al final de cada rama del árbol podamos leer el número de pacientes que cumple con
las reglas que aparecen en dicha rama. Por ejemplo: si la palpación no detectaba adenopatías (primera regla) y la localización del tumor es la glotis
(segunda regla) entonces no aparecieron adenopatías en el estudio histológico (podrá leerse el
número de pacientes que cumplen estos 2 criterios
y entre paréntesis un signo negativo, que significará ausencia de invasión ganglionar).
La cantidad de información de cada atributo ha
sido cuantificada por medio de la entropía. La fórmula de la entropía es la siguiente: Entropía = ∑
Pi log Pi, en donde Pi = número de elementos en
el conjunto de experiencias en clase i / número total de elementos en el conjunto de experiencias.
La entropía de la clase con respecto a un atributo puede definirse como la información o influencia que tiene el atributo sobre la clase. Calculamos
la entropía de todos los atributos y elegimos el atributo que más tiene que ver con la clase. El incremento de información aportado por la clasificación
según ese atributo se evalúa por la disminución de
entropía producida respecto de la inicial. Este es el
criterio que se utiliza para seleccionar al siguiente
atributo para clasificar. La operación se repite recursivamente hasta que no quedan más atributos o
queda determinada unívocamente la clase.
RESULTADOS
El árbol de decisión generado por el sistema
inteligente puede verse en la figura 1. El programa eligió como raíz del árbol de decisión a
Acta Otorrinolaringol Esp 2002; 53: 683-690
Documento descargado de http://www.elsevier.es el 19/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
ACTA OTORRINOLARINGOLÓGICA ESPAÑOLA
PALPACIÓN
N0
N1
N2a
7 (+)
7 (+)
N3
N2b
TC
LOCALIZACIÓN
0
Supraglotis
Glotis
No disponible 4(+)
Subglotis
2 (+)
1 (-)
44 (-)
TC
0
N2a
3 (-)
No disponible
N2c
44 (-)
3 (-)
ESTADIO T
ESTADIO T
T1
T1
T2
T3
3 (-)
3 (-) 1 (+) 7 (-)
T2
T3
T4
3 (-) 2 (+) 2 (-) 5 (+) 17 (-) 3 (+) 4 (-)
Figura 1. Árbol de decisión generado por el sistema inteligente.
la palpación; es decir, la palpación es el atributo que a priori mayor información aporta sobre
la existencia o no de adenopatías metastásicas.
El sistema inteligente detectó un paciente en el
que se palparon adenopatías y no se evidenciaron
por medio de la TC. Tras el estudio histológico se
confirmó la ausencia de invasión ganglionar, es
Acta Otorrinolaringol Esp 2002; 53: 683-690
687
Documento descargado de http://www.elsevier.es el 19/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
E. ZAPATER ET AL. DIAGNOSTICO DE INVASIÓN GANGLIONAR EN EL CÁNCER DE LARINGE
Tabla 4: Porcentaje de adenopatías que han pasado desapercibidas
a la palpación en diferentes series de carcinoma
Autor
Localización
Estadio
Nº casos
Porcentaje
Byers et al
Glotis
T1-T2
14
21
Mendenhall et al
Glotis
T2
75
3
Byers et al
Glotis
T3-T4
57
14
Byers et al
Supraglotis
T1-T2
13
30
Levendag
Supraglotis
T1-T2
79
35
Byers et al
Supraglotis
T3-T4
80
25
decir, que se trataba de un falso positivo a la palpación.
En los cuellos clínicamente negativos el sistema inteligente sólo indica TC cuando el tumor es
supraglótico. En el resto de localizaciones la información contenida en la palpación es suficiente. En
6 pacientes con tumores supraglóticos que habían
sido considerados N0 a la palpación la TC detectó
adenopatías y el estudio histológico confirmó la invasión ganglionar (falsos negativos a la palpación).
Sólo un paciente presentó adenopatías en el
estudio histológico que habían pasado desapercibidas tanto a la palpación como a la TC.
DISCUSIÓN
El método ID3 es un método de aprendizaje automático de reglas en sistemas expertos basado en
la teoría de la información. Se trata de un estudio
multivariable, no lineal, que puede extraer toda relación existente en un conjunto dado de datos y
construir un árbol de decisión mínimo que represente estas relaciones de forma muy concisa y
sencilla. Es mínimo porque cada una de las ramas
del árbol genera el menor número de reglas posibles.
Al poder leerse el número de pacientes que
cumplen cada rama pueden detectarse casos particulares, es decir, conjunto de reglas cumplidas
sólo por un paciente. Esto es importante cuando
se manejan muchos casos, ya que puede tratarse
de un paciente con unas características excepcionales que merezca ser estudiado individualmente.
Puede también tratarse de un error en la introducción de datos.
El método ID3 es ideal para la elaboración de
protocolos diagnóstico-terapéuticos por el formato
a base de reglas. El sistema elige las pruebas
688
diagnósticas por orden, basándose en la cantidad
de información que aporta cada una de ellas. En
muchas patologías no es necesario seguir un protocolo para llegar al diagnóstico de la enfermedad.
La Otorrinolaringología es una especialidad eminentemente técnica. Una adecuada exploración física nos permite llegar al diagnóstico en gran parte de los casos. La rama de la otorrinolaringología
en la que resulta más útil el empleo de algoritmos
diagnósticos es la exploración vestibular. Se trata
de un campo en el que se utilizan múltiples pruebas y se baraja una gran cantidad de diagnósticos.
Prueba de la idoneidad de la IA en este campo es
que ya existen varios programas diseñados con fines diagnósticos en patología vestibular 10-12. La
descripción de nuevas patologías y la aparición de
nuevos métodos diagnósticos harían poco práctico
un sistema basado en programación tradicional.
Cuando esto ocurre no es necesario reelaborar el
sistema inteligente. Basta con añadir una columna
al programa dedicada a la nueva patología o al
nuevo método diagnóstico y el sistema elaborará
el nuevo algoritmo.
El algoritmo obtenido sitúa en la raíz del árbol
de decisión a la palpación. Esto no debe interpretarse como una evidencia de la superioridad de
este método diagnóstico sobre la TC. Lo que debe concluirse es que en nuestra serie ha aportado
más información. El motivo puede ser el reducido
número de pacientes en los que disponíamos de
estudio por la imagen. Hay que recordar que se
trata de un estudio retrospectivo que se remonta
a 1977. Precisamente, como se ha apuntado en
la introducción, los sistemas inteligentes están especialmente adaptados para tratar con información incompleta e imprecisa. Es por este motivo
por lo que no hemos rechazado ningún paciente
para realizar el estudio. Hay que tener en cuenta
este detalle para realizar un adecuado análisis del
Acta Otorrinolaringol Esp 2002; 53: 683-690
Documento descargado de http://www.elsevier.es el 19/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
ACTA OTORRINOLARINGOLÓGICA ESPAÑOLA
árbol de decisión obtenido e interpretar sus resultados.
Hubo un caso falso positivo que fue correctamente diagnosticado mediante la TC. Se trataba
de un tumor supraglótico. Igualmente hubo 6 casos falsos negativos a la palpación que fueron correctamente diagnosticados mediante TC. Todos
ellos eran tumores supraglóticos. Diversas series
publicadas confirman la peor sensibilidad de la
palpación en los tumores supraglóticos (tabla 4)1315
. La red linfática supraglótica abandona la laringe
atravesando la membrana tiroioidea, para drenar
en los grupos ganglionares subdigástrico y yugular
superior. Estos ganglios se palpan peor que los localizados más abajo, debido al mayor diámetro
cervical a ese nivel y a la presencia de la glándula
submaxilar.
Como en los casos en estadio N0 clínico la palpación fue completamente eficaz en los tumores
glóticos y subglóticos el sistema inteligente sólo
demanda conocer el resultado de la TC en los tumores supraglóticos. A pesar de la eficacia de la
TC en los mencionados casos en nuestra serie, es
evidente que el número de pacientes es reducido
y no permite concluir la completa fiabilidad de este
método diagnóstico.
El método ID3 resulta progresivamente más útil
cuantas más pruebas diagnósticas se requieran
para planificar el tratamiento y mayor sea el número de casos contenidos en la base de conocimiento del sistema. Por el momento disponemos de varias pruebas de diagnóstico por la imagen (TC,
resonancia magnética nuclear, ecografía), pero
ninguna de ellas es completamente eficaz.
La PET16,17 y el empleo de anticuerpos monoclonales asociados a isótopos radioactivos18,19 son
técnicas prometedoras que podrían en un futuro
incorporarse al arsenal diagnóstico habitual.
CONCLUSIONES
- El método ID3 es eficaz en la elaboración de
protocolos diagnósticos. Cuanto mayor es el número de casos y la cantidad de pruebas necesaria
más útil puede resultar el empleo de un sistema
inteligente.
- El método permite detectar reglas cumplidas
sólo por un paciente. Puede que se trate de un
error en la introducción de datos, pero también
puede ser un paciente con unas características
especiales que merezca un estudio pormenorizado.
- Una de las ventajas de los algoritmos diseñados por sistemas inteligentes es que en el caso de
aparecer un nuevo método diagnóstico no es necesario reelaborar el programa. Simplemente añadiéndole una columna dedicada al nuevo método
el sistema creará un nuevo algoritmo.
- En nuestra serie el algoritmo obtenido sitúa en
la raíz del árbol de decisión a la palpación. Esto no
significa que la fiabilidad de la palpación supere a la
de la TC, sino que en nuestra serie ha aportado
más información. El motivo puede ser el reducido
número de pacientes en los que disponíamos de
estudio por la imagen. Los sistemas inteligentes están especialmente adaptados para tratar con información incompleta e imprecisa, por lo que no hemos rechazado ningún paciente para realizar el
estudio.
- La fiabilidad del TC en el presente estudio
ha demostrado ser mayor que la de la palpación
en los tumores supraglóticos. La peor sensibilidad de la palpación en los tumores supraglóticos
ya había sido apuntada por otros autores. Se
postula que se debe a la alta localización de los
ganglios afectos, en la zona del cuello con mayor
diámetro.
REFERENCIAS
1.- Galindo L, Algaba F. Patología
geográfica del cáncer en España:
Estudio global. VIII Congreso Nacional de Anatomía Patológica. Tenerife, España. Patología 1981;
(Supl especial); 17-25.
2.- López-Abente. Registro del cáncer en Granada, 1994.
3.- Batsakis JG. Neoplasms of the
larynx. In: Batsakis JG, ed. Tumors
of the head and neck, 2ª ed. Baltimore, Williams and Wilkins, 1979:
200-25.
4.- Stell PM. Prognosis in laryngeal
carcinoma: tumor factors. Clin Otolaryngol 1990; 15: 69-81.
5.- Pradier R, González A, Matos E,
Loria D, Adan R, Saco P, et al.
Prognostic factors in laryngeal carcinoma. Cancer. 1992; 71: 2472-6.
6.- Muñarriz LA. Fundamentos de la
Inteligencia Artificial, ISBN 84-7684563-4, Universidad de Murcia,1994.
7.- MacDermott D. Nonmonotonic
Logic II: Nonmonotonic modal theories. JACM 1982; 29: 33-57.
8.- Quinlan JR. Discovering rules
Acta Otorrinolaringol Esp 2002; 53: 683-690
from large collections of examples:
a case study, in Expert Systems in
the Micro Electronic Age, Edinburgh
University Press, 1979.
9.- Buchanan B, Mitchell T. Model
directed learning of production rules, en Waterman D, Hayes F, Pattern directed inference systems,
Academic Press, 1978.
689
Documento descargado de http://www.elsevier.es el 19/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
E. ZAPATER ET AL. DIAGNOSTICO DE INVASIÓN GANGLIONAR EN EL CÁNCER DE LARINGE
10.- Gavilán C, Gallego J, Gavilán
J. "Carrusel ": an expert system for
vestibular diagnosis. Acta Otolaryngol (Stockh) 1990; 110: 161-7.
11.- Auramo Y, Juhola M, Pyykkö I.
An expert system for the computeraided diagnosis of dizziness and
vertigo. Med Inf 1993; 18: 293-305.
12.- Kentala E, Pyykkö I, Auramo Y,
Yuhola M. Reasoning in Expert System ONE for vertigo work-up. Acta
Otolaryngol (Stockh) 1995; 520:
207-8.
13.- Byers RM, Wolf PF, Ballantyne
690
AJ. Rationale for elective modified
neck dissection. Head Neck Surg
1988; 10: 160-7.
14.- Mendenhal WM, Parsons JT,
Brant TA, Stringer SP, Cassisi NJ,
Million RR. Is selective neck treatment indicated for T2N0 squamous
carcinoma of the glottic larynx?. Radiother Oncol 1989; 14: 199-202.
15.- Levendag P, Sessions R, Vikram B, Strong EW, Shah JP, Spiro
R, et al. The problem of neck relapse in early supraglotic larynx cancer. Cancer 1989; 63: 345-8.
16.- Stuckensen T, Kovacs AF,
Adams S, Baum RP. Staging of
the neck patients with oral cavity
squamous cell carcinomas: a
prospective comparison of PET,
ultrasound, CT and MRI. J Carniomaxillofac Surg 2000; 28: 31924.
17.- Myers LL, Wax MK, Nabi H et
al Positron emission tomography in
the evaluation of the N0 neck.
Laryngoscope 1998; 108: 232-6.
18.- Ramos-Suzarte M, Rodríguez
N, Oliva JP, Inzaga-Escobar N, Pe-
Acta Otorrinolaringol Esp 2002; 53: 683-690
rera A, Morales A, et al: 99m Tc-labeled antihuman epidermal growth
factor receptor antibody in patients
with tumors of epithelial origin: Part
III. Clinical trials safety and diagnostic efficacy J Nucl Med 1999; 40:
768-75.
19.- Wirtschafter A, Benninger MS,
Moss TJ, Uniel T, Blazoff K, Worsham MJ. Micrometastatic tumor detection in patients with head and
neck cancer: a preliminary report.
Arch Otolaryngol Head Neck Surg
2002; 128: 40-3.