Características radiómicas que predicen la malignidad del nódulo pulmonar solitario

Artículo original: Xu Y., Lu L., E L. et al. Application of Radiomics in Predicting the Malignancy of Pulmonary Nodules in Different Sizes. AJR. 2019;213:1213-1220.

Sociedad: American Roentgen Ray Society (@ARRS_Radiology).

DOI: doi.org/10.2214/AJR.19.21490

Palabras clave:  CT, diagnosis, pulmonary nodule, radiomics

Abreviaturas y acrónimos utilizados: TC (tomografía computarizada), NPS (nódulo pulmonar solitario), AUC (área bajo la curva), P (precisión), S (sensibilidad), E (especificidad).

Línea editorial del número:

American Journal of Roentgenology (AJR) es la revista oficial de la American Roentgen Ray Society (ARRS). Es una revista que proporciona información clínica práctica y que, al mismo tiempo, publica artículos originales con investigaciones punteras, así como, artículos educativos y/o relacionados con la formación médica continuada. 

En su número de diciembre, destacan varios artículos relacionados con la inteligencia artificial y la radiómica. Uno de ellos, Global Trend in Artificial Intelligence–Based Publications in Radiology From 2000 to 2018, evalúa la tendencia global de las publicaciones relacionadas con la inteligencia artificial en la radiología, concluyendo que Estados Unidos se afirma como el país que más artículos de este tipo produce, seguido de China; siendo la neurorradiología, la radiología torácica y oncológica y la medicina nuclear, las especialidades más estudiadas. 

Motivos para la selección: El artículo de revisión seleccionado es un artículo original que trata sobre el uso de la radiómica en la predicción de malignidad del nódulo pulmonar solitario. La radiómica estudia las imágenes de una forma cuantitativa a través de la extracción de características y del posterior análisis de los datos obtenidos. Es una técnica que ha experimentado un gran avance en los últimos años debido al desarrollo exponencial de la imagen médica y de herramientas para su análisis, así como del tamaño de las bases de datos. Es interesante, tanto para los residentes de radiología como los radiólogos adjuntos, adquirir unas nociones básicas en este campo en desarrollo. 

Resumen:

El cáncer de pulmón es una de las principales causas de muerte a día de hoy, siendo responsable de hasta el 20% de las muertes relacionadas con el cáncer. Estudios recientes muestran que la TC (tomografía computarizada) aumenta la detección del cáncer de pulmón en un 24,2% en comparación con la radiografía, reduciendo así la mortalidad en un 20,3%. En la actualidad, dada la accesibilidad de la TC, ha aumentado la incidencia de nódulos pulmonares, teniendo que recurrir a la biopsia, ya sea transbronquial, transtorácica guiada por TC o quirúrgica, para asegurar su naturaleza benigna o maligna. La radiómica ofrece posibilidad de hacer esto último sin tener que recurrir a técnicas invasivas e, incluso con algunas otras ventajas, entre otras, que un tamaño pequeño (menor de 1 cm) no supone una complejidad técnica -como ocurre en las técnicas invasivas- y que es capaz de analizar el tumor al completo, no limitándose únicamente a la parte biopsiada. 

Materiales y métodos

• Pacientes: De forma retrospectiva, se seleccionan 273 pacientes del hospital Beijing Friendship que presentan un nódulo pulmonar solitario (NPS) y a los que se les ha realizado una TC prequirúrgica. Todos los NPS incluidos tienen una confirmación anatomopatológica de benignidad o malignidad obtenida bien por biopsia transbronquial o bien transtorácica. Asimismo, se clasifican en tres grupos de acuerdo a la octava edición del TNM del cáncer de pulmón: 
  • T1a: 0≤1 cm.
  • T1b: 1≤2 cm.
  • T1c: 2≤3 cm. 
• Adquisición de la imagen: Se incluyen las TC de tórax realizadas sin contraste y con una reconstrucción fina (1,25 mm de grosor de corte). Se excluyen aquellos pacientes que no disponen de una prueba de imagen de calidad óptima. 
• Segmentación de los NPS: Se utiliza un algoritmo de segmentación semi-automática supervisado por un radiólogo torácico con más de 20 años de experiencia. Cada nódulo se segmenta tanto en ventana “pulmonar” como en ventana “de partes blandas” y se excluyen estructuras vasculares, cavidades aéreas y bronquios. 
• Extracción de características: Se utiliza un software de extracción de características implementado en la plataforma MatLab, extrayendo un total de 1160 características de cada imagen segmentada tanto en 2D como en 3D relacionadas con el tamaño de la lesión, la morfología, los márgenes, etcétera.
• Análisis de la reproducibilidad: Se utilizan 32 TC de pacientes con carcinoma microcítico de pulmón. Aquellas características con un coeficiente de correlación-concordancia menor de 0,9 se van excluyendo de los futuros análisis. 
• Creación del modelo: Mediante la técnica “coarse-to-fine” desarrollada por el equipo, de las 1160 características, se seleccionan aquellas más relevantes, excluyendo aquellas características redundantes, sobre las que se construyen, en un segundo paso, los modelos predictivos. 
• Evaluación del rendimiento: Los parámetros utilizados para la evaluación del modelo predictivo fueron los siguientes: el área bajo la curva (AUC), la precisión (P), la sensibilidad (S) y la especificidad (E). Para su obtención se realizó una validación cruzada para 5 folds. Esto quiere decir que el conjunto de datos o dataset se dividió en 5 grupos de datos y, cuando un grupo o set se utilizada como set de prueba, el resto se utilizaban como set de entrenamiento; y así sucesivamente. Cada conjunto de datos obtiene un modelo de predicción al usarse como set de prueba. Finalmente, se aplica una T de Student, considerando una p<0,05 como estadísticamente significativa para la comparación entre modelos. 

Resultados

• De la muestra: De los NPS incluídos en el estudio, 192 tienen un resultado anatomopatológico de benignidad y 181 de malignidad. 
• Del modelo predictivo: De las 1160 características radiómicas, se seleccionan 869 por su reproducibilidad. Finalmente, mediante la utilización de estas 869 características y la técnica “coarse-to-fine” ya nombrada, se construyen tres modelos predictivos, unos para cada grupo (modelo T1a, T1b y T1c). El área bajo la curva, la precisión, la sensibilidad y la especificidad para predecir malignidad del nódulo pulmonar en cada grupo es la siguiente:

• Para el modelo T1a: AUC=0,84, P=0,77, S=0,89 y E=0,74. La característica radiómica que demuestra una mayor contribución es la denominada “LoG_X_Uniformity”, la cual indica heterogeneidad. 
• Para el modelo T1b: AUC=0,78, P=0,73, S=0,74 y E=0,71. La característica radiómica que demuestra una mayor contribución es la denominada “Intensity_Minimum”, relacionada con la menor intensidad por píxel. 
• Para el modelo T1c: AUC=0,79, P=0,76, S=0,77 y E=0,73. La característica radiómica que demuestra una mayor contribución es la denominada “Shape_SI9”, relacionada con la irregularidad morfológica. 

El modelo T1a es superior a los otro dos. No se encontraron diferencias estadísticamente significativas entre los modelos T1b y T1c. 

Discusión

Con la aplicación de la CT de alta resolución, el número de nódulos pulmonares detectables se ha incrementado considerablemente, dando lugar a mayor número de pacientes en lista de espera para el análisis citológico de su lesión. Hasta ahora, el análisis cualitativo de la imagen realizado por el radiólogo era la base sobre la que construir el plan de actuación sobre los pacientes con NPS. Las características radiómicas han demostrado su utilidad en la caracterización de la malignidad o benignidad del nódulo. El análisis de los datos aportados por los estudios de radiómica realizados con anterioridad adolecen de falta de rigor estadístico. Además, nunca antes se ha estudiado la eficacia de estas características radiómicas en función del tamaño del NPS. Es por ello que se decide realizar un estudio de la eficacia de estas características en diferenciar entre NPS maligno y benigno en función del tamaño. 

En cuanto a las limitaciones, se trata de un estudio retrospectivo e que involucra a un único centro y no se compara con la precisión diagnóstica del radiólogo. 

Conclusión

Se ha desarrollado un método para poder clasificar un NPS en maligno o benigno sin necesidad de recurrir a una técnica diagnóstica invasiva. Se concluye que la característica radiómica de mayor relevancia para este fin varía en función del tamaño de la lesión. Asimismo, el tamaño de lesión sobre la cual las características extraídas presentan los mejores resultados es ≤1 cm, es decir, NPS clasificados como T1a y, precisamente, sobre los cuales la biopsia presenta mayores dificultades técnicas por el pequeño tamaño. Por tanto, el análisis radiómico se constata como una opción para mejorar la exactitud diagnóstica y el planteamiento terapéutico para pacientes con cáncer de pulmón en estadios precoces. 

Valoración personal

Mediante este artículo y su precedente, Xu Y et al han realizado una gran aportación al campo de la radiómica en la imagen médica. Es más, son los primeros en realizar un estudio de este tipo con la octava edición del TNM del cáncer de pulmón. 

Como aspecto negativo, dado que se ha publicado en una revista dirigida a radiólogos -que no matemáticos- como público principal, creo que debería explicar mejor algunos conceptos estadísticos/matemáticos mencionados. En este sentido, creo que varios aspectos del artículo no quedan claros si el lector no se ha leído el artículo que le precede. Adicionalmente, opino que es una limitación relevante que el estudio no realice una comparación de la eficacia del modelo con la eficacia diagnóstica del mismo radiólogo.

Amaia Pérez del Barrio

aperez.30@alumni.unav.es

Hospital Universitario Marqués de Valdecilla (Santander), R2