Radiómica en RM para categorizar masas ováricas y predecir resultados clínicos: estudio preliminar.

Título de la revisión: Radiómica en RM para categorizar masas ováricas y predecir resultados clínicos: estudio preliminar.

Artículo original: Zhang H et al. Magnetic resonance imaging radiomics in categorizing ovarian masses and predicting clinical outcome: a preliminary study. Eur Radiol. 2019;29(7):554–559.

DOI: https://doi.org/10.1007/s00330-019-06124-9

Sociedad: European Radiology @MyESR

Palabras clave: Ovarian epithelial cancer, magnetic resonance imaging, computer-assisted diagnosis, radiomics.

Abreviaturas y acrónimos utilizados: RM (resonancia magnética), CEO (cáncer epitelial de evario), ADC (coeficiente de difusión aparente), DWI (diffusion-weighted magnetic resonance imaging), TC (tomografía computarizada), TSE (turbo-espín eco), HR (hazard ratio).

Línea editorial del número: 

European Radiology es la revista oficial de la Sociedad Europea de Radiología (ESR). De forma mensual publica una combinación bien equilibrada de artículos originales, artículos de revisión y comunicaciones cortas de congresos europeos de radiología, siendo una herramienta de información indispensable para todos los radiólogos.

El editorial de este mes presenta 69 artículos entre los que la radiómica y el deep learning tienen una importante presencia tanto en el área específica de Imaging Informatics and Artificial Intelligence como en el resto de áreas anatómicas y de técnicas de imagen. En este volumen encontraremos también varios artículos originales interesantes en campos anatómicos como la neurorradiología, tórax, mama, entre otros, así como entre diferentes técnicas de imagen que van desde la ecografía hasta la tomografía computarizada pasando por la resonancia magnética.

Motivo para la selección: 

Revisando el editorial del mes y si bien es un tema en auge en diversas revistas, la nutrida presencia de artículos que versan sobre radiómica ha hecho que me decidiera a revisar este artículo. Además, el hecho de que conociera poco o nada sobre el tema ha supuesto una oportunidad para examinar esta publicación y comenzar a ver las posibilidades de esta técnica. El dato pronóstico de que la neoplasia de ovario tenga una elevada mortalidad ha despertado mi interés en relación a las posibilidades que podría ofrecer la radiómica para mejorar la precisión diagnóstica y los resultados clínicos en el manejo de esta patología.

Resumen: 

La neoplasia de ovario presenta una elevada tasa de mortalidad en estadios avanzados y dado que suele ser en general poco sintomática, su diagnóstico precoz es difícil. Histopatológicamente se divide en dos subtipos: tipo I y tipo II, existiendo diferencias biológicas entre ambos y así como también de respuesta al tratamiento.

La RM es una técnica con una excelente resolución para el estudio de tejidos blandos que ofrece superioridad frente a la ecografía o la TC a la hora de categorizar lesiones benignas o malignas. No obstante, existe dificultad para diferenciar los subtipos histológicos mediante esta técnica de imagen. 

Los objetivos del estudio incluyen evaluar el uso de la radiómica en RM para discriminar tumores ováricos benignos de malignos, tratar de establecer un modelo que permita diferenciar los tipos I y II de neoplasias ováricas y por último realizar un análisis de supervivencia para determinar si la radiómica en RM podría determinar el pronóstico de los pacientes.

Se realizó un estudio retrospectivo entre enero de 2014 y diciembre de 2017 en el que 438 pacientes consecutivos con sospecha de neoplasia ginecológica fueron incluidas para el estudio, previo consentimiento informado. Los criterios de inclusión fueron: (1) ausencia de cirugía pélvica previa, (2) ausencia de enfermedad ginecológica previa y (3) realización de RM previa a la cirugía. Los criterios de exclusión fueron: (1) cirugía o radioterapia pélvica previa, (2) ausencia de estudio de RM pélvico previo y (3) ausencia de resultados histológicos de la pieza quirúrgica.

Finalmente, 280 pacientes fueron seleccionables con una edad media de 52,7 años (± 12,3 años). Se examinaron histológicamente todas las muestras quirúrgicas obtenidas mediante laparoscopia o laparotomía.

La imagen de RM fue obtenida usando un protocolo que incluía secuencias axiales TSE, secuencias potenciadas en T1, secuencias sagitales TSE potenciadas en T2, axiales y sagitales TSE potenciadas en T2 con supresión grasa y secuencias DWI. Dos radiólogos con más de 15 años de experiencia en radiología ginecológica analizaron las imágenes desconociendo los resultados histológicos.

La segmentación de lesiones fue realizada por un radiólogo experimentado con 20 años de experiencia en el campo. En el proceso de análisis de las imágenes mediante radiómica se tuvieron en cuenta parámetros como la intensidad de señal de las lesiones, la morfología o la textura. Se empleó el software basado en MATLAB R2012, SPSS Statistics 25 (IBM). 

El citado software se comportó mejor que los radiólogos a la hora de distinguir lesiones benignas de malignas (90,6% de precisión frente a un 83,5%). El error más frecuente por parte de los radiólogos fue el de clasificar tumores borderline como benignos. Los valores de ADC mostraron diferencias significativas entre los diferentes subtipos de tumores malignos. 

En relación al análisis de supervivencia de los pacientes basándose en la radiómica mediante RM, los pacientes que obtuvieron valores de riesgo elevado para malignidad tuvieron mayor probabilidad de sufrir progresión de la enfermedad o muerte (HR= 4,362, p valor =0,0013).

Los resultados del estudio demuestran que el modelo computacional empleado ofrece un excelente rendimiento diferenciando tumores benignos de malignos y clasificando subtipos tipo I y tipo II. Además, muestra que esta técnica es capaz estratificar a los pacientes en grupos libre de enfermedad o grupos con tendencia a progresión de su enfermedad con elevada previsión. 

Valoración personal:

El estudio es presentado mediante una introducción excelente, que ya en sus dos primeras líneas formula de forma clara y concisa los tres objetivos que tiene y menciona claramente los diferentes métodos y test que lleva a cabo para obtener los resultados, invitando al lector a proseguir la lectura dada la relevancia de estos.

Los materiales y métodos, muy sólidos, son diseñados de una manera rigurosa. Se describen los criterios de inclusión y exclusión, que son pocos y están bastante claros. También se menciona cómo se llevó a cabo el reclutamiento de pacientes (con un diagrama de flujo incluido), siendo este de manera retrospectiva, y la fecha del mismo. Además, otros elementos esenciales como las especificaciones técnicas de los materiales y métodos empleados, unidades y valores de corte, personal y experiencia que realiza el análisis de los estudios, son especificados.

Se aclaran los test de referencia y se aplican análisis estadísticos que arrojan diferencias significativas en variables clave para los objetivos del estudio como es el caso de aquellas predictoras de supervivencia libre de enfermedad o progresión de la enfermedad. Se emplean numerosas figuras y tablas que si bien pueden parecer demasiadas, facilitan y sintetizan los contenidos esenciales del artículo.

Estamos ante el primer estudio, según afirman sus autores, que emplea una cohorte numerosa para el diagnóstico de neoplasias ováricas, diferenciación entre subtipos histológicos y predicción de supervivencia empleando radiómica en RM, y está diseñado con una rigurosa metodología que minimiza sesgos y ofrece unos resultados prometedores en este campo de la radiología.

Ignacio Andrés Cano

@igncano, icano91@gmail.com

Hospital Universitario Puerta del Mar, R3.