Imagen multimodal mediante RM para predecir la infiltración de gliomas

Artículo original: Christopher R. Durst et al Multimodal MR imaging model to predict tumor infiltration in patient with gliomas. Neuroradiology. 2014; 56:107–115.

http://dx.doi.org/10.1007/s00234-013-1308-9

Palabras clave: MRI, model, glioma, diffusion, perfusion.

Abreviaturas y acrónimos utilizados: FLAIR (fluid attenuated inversion recovery), RM (resonancia magnética).

Línea editorial del número:

Tras un comienzo de año un poco atípico debido a que la fecha de publicación del número de enero se retrasó hasta finales de ese mes, la revista ha cargado fuerzas y ya está a pleno rendimiento. En esta entrega, como siempre, la parte relacionada con artículos de intervencionismo es fundamental, hay hueco para la terapia endovascular de aneurismas, control de recanalización por RM, embolización de meningiomas y seguimiento de pacientes con diversificador de flujo. Está cobrando importancia la imagen con tensor de difusión, en este número hay dos artículos que tratan de esta secuencia.

Motivos para la selección:

Como médicos, nuestro objetivo último siempre debe ser mejorar la situación del paciente. Aplicando esta filosofía al campo del diagnóstico, lo fundamental de nuestros informes es aportar la máxima cantidad de información relevante para el médico peticionario.

Clásicamente, un radiólogo podía quedarse satisfecho dando un diagnóstico certero de una tumoración, pero en la actualidad la exigencia va más allá de hacer un diagnóstico correcto incluso en la estirpe histológica. No equivocarse y sugerir el grado de malignidad de una lesión es importante, pero para una resección total del tumor el neurocirujano necesita saber qué estructuras invade, qué parte de parénquima está afectado y en qué zona sólo hay edema, etc. El objetivo que subyace a este trabajo es intentar dilucidar qué secuencias de la resonancia nos ayudan más a delimitar la extensión de un glioma en el parénquima.

Resumen:

El tratamiento de los gliomas es dificultoso en gran medida por la limitación a la hora de conocer la extensión verdadera del tumor.

En lo referente a la imagen, las secuencias con contraste potenciadas en T1 tienden a infraestimar la extensión de una lesión debido a la falta de rotura de la barrera hematoencefálica en los márgenes infiltrativos de la misma. Análogamente, las secuencias potenciadas en T2 sobreestiman la extensión debido a la imposibilidad de diferenciar entre infiltración glial y edema peritumoral.

Para establecer un modelo paramétrico multimodal de aquellos factores que mejor predicen la extensión de un tumor se analizaron en diez pacientes secuencias pre y post contraste potenciadas en  T1, en difusión (con tensor de difusión), perfusión y FLAIR. Con estas adquisiciones se obtuvieron doce variables principales que se combinaron para establecer cuál o cuáles de ellas tenían una mayor correlación con la densidad nuclear por 0,5 mm2 vista en el análisis por anatomía patológica. Para correlacionar la imagen con la densidad real de células, se obtuvieron 5 biopsias de cada paciente separadas 5 mm cada una para establecer un mapa. Es decir, el estudio intenta establecer un biomarcador de densidad nuclear a través de la combinación de varias secuencias.

Tras un complejo estudio estadístico se obtuvo una correlación positiva de 0,75 con la densidad nuclear vista en el laboratorio usando los parámetros de difusión (coeficiente medio de difusión) y de la perfusión (tiempo de tránsito medio relativo y coeficiente de transferencia).

Los tumores gliales son intrínsecamente heterogéneos debido a zonas de necrosis, proliferación vascular, pleomorfismo… En principio esta dificultad es una ventaja añadida al estudio, debido a que se establece un mapa de agresividad según la densidad celular sin tener en cuenta el grado histológico, es decir, no necesitamos saber qué tipo de glioma es para definir sus límites.

Valoración personal:

Puntos fuertes:

Es muy interesante la conclusión a la que llegan los autores, haciendo hincapié en saber identificar los límites y la agresividad local de una lesión incluso antes de saber el tipo histológico. Es decir, para el cirujano, un mapa de densidad nuclear puede ser más útil en un primer momento que definir la histología, se pueden identificar frentes de mayor malignidad, áreas de respeto de estructuras, etc.

Puntos débiles:

El artículo hace mucho énfasis en la parte física y matemática usada. Se dispone de un anexo online al artículo en el que se explica detalladamente las secuencias usadas y la estadística aplicada, por ello yo hubiera acortado esta parte en el artículo.

La malignidad de un tumor se define por múltiples factores, por ello no hay que olvidar que el objetivo se ha centrado sólo en la densidad celular de los gliomas, no se pueden sacar conclusiones más allá.

Como radiólogo, me parece que hay escasez de iconografía. El ejemplo del mapa de densidad nuclear según la RM, es el objetivo del estudio, está explicado con unas imágenes tan pequeñas que casi ni se llega a ver.