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: ezapater@ctv.es 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.