Artículo original: Pressney I, Khoo M, Endozo R, Ganeshan B, O’Donnell P. Pilot study to differentiate lipoma from atypical lipomatous tumour/well-differentiated liposarcoma using MR radiomics-based texture analysis. Skeletal Radiol. 2020;49(11):1719-29.
DOI: https://doi.org/10.1007/s00256-020-03454-4
Sociedad: International Skeletal Society (ISS) (@SkeletalRadiol)
Palabras clave: adipose tissue lipoma magnetic resonance imaging, murine double minute 2 (MDM2), neoplasms.
Abreviaturas y acrónimos utilizados: RM (resonancia magnética), WDL (Well Differenciated Liposarcoma), FISH (Fluorescence in situ hybridization), MDM2 (murine double minute 2), ROI (region of interest), LoG (laplacian of Gaussian), SSF (space size filtration), DP (densidad protónica), PDW (Proton Density Weighted), T1W (T1 Weighted), FSE (Fast Spin Echo), TSE (Turbo Spin Echo), AUC (area under the curve), n (tamaño muestral), CAD (Computer-Aided Diagnosis/Computer Assisted Diagnosis).
Línea editorial del número: Este número de la revista Skeletal Radiology incluye una buena cantidad de casos interesantes para leer y estudiar (por ejemplo, un test: dolor de cadera en paciente joven atraumático – https://doi.org/10.1007/s00256-020-03460-6) así como una gran variedad de patología musculoesquelética cubierta por los 24 artículos incluidos en ella: diagnóstico diferencial entre hernia discal y fibrosis epidural, comparación entre la cifoplastia y la ablación por radiofrecuencia en el dolor en pacientes con fracturas por compresión metastásicas en la columna dorsolumbar, etc.
También quiero destacar otro artículo (https://doi.org/10.1007/s00256-020-03419-7) para el estudio mediante métodos cuantitativos por RM de la patología discal degenerativa, interesante para estudiar el método del estudio y poder ver métodos estadísticos no tan conocidos para el estudio de la enfermedad por imagen.
Motivo de selección: Un tema interesante, con las implicaciones que tiene poder diferenciar con mayor certeza patología maligna de benigna por imagen, que además incluye herramientas estadísticas para el estudio que siempre es interesante conocer.
Resumen:
Cada vez se está desarrollando más el uso de técnicas de imagen para el diagnóstico diferencial entre patologías similares que, clásicamente, requerían exclusivamente de estudio anatomopatológico. Esto está siendo investigado sobre todo en el estudio de patología tumoral.
Este estudio busca dilucidar si el uso del análisis de textura basado en radiómica sobreañadido a la imagen por RM convencional frente a la RM sola permite distinguir, de una forma óptima o incluso superior, entre lipomas y liposarcomas bien diferenciados (WDL)/tumor lipomatoso atípico.
El potencial para el trabajo sobre este tipo de tumor viene del reciente uso de la FISH del gen MDM2, para poder distinguir, con un 100% de sensibilidad y un 100% de especificidad, entre lipomas y WDL. Este estudio se centra especialmente en el uso de la heterogeneidad grasa (estudiada mediante el análisis de textura) para poder distinguir entre los dos tipos de tumores.
Material y método
La muestra tenía un total de 30 lipomas y WDL confirmados (n = 60) por anatomía patológica obtenidos de forma retrospectiva de la base de datos de los especímenes extraídos del Royal National Orthopaedic Hospital.
Las secuencias de las imágenes de RM obtenidas fueron las habituales del estudio de patología musculoesquelética (T1, T2, STIR, DP, etc.) sin incluir la administración de contraste. Las más importantes para el análisis fueron la PDW FSE axial y la T1W TSE coronal.
Se midieron una serie de variables visuales: lugar de la lesión, dimensiones máximas de la lesión, profundidad de la lesión relativa a la fascia y estimación del porcentaje de grasa intralesional. Las variables fueron analizadas en un solo corte y todas fueron dicotomizadas. También se incluyeron variables como edad y género.
El análisis de textura consiste en la extracción de una serie de variables de una región de interés (ROI) de la imagen a estudio en relación con características intrínsecas de la propia imagen (intensidad media, desviación estándar, entropía, media de píxeles positivos – hiperintensos –, curtosis y asimetría) para su posterior representación en histogramas o diagramas de cajas sobre los cuales se realizará un análisis comparativo. La técnica incluía una filtración de las imágenes mediante el uso del laplaciano de Gauss (LoG), una técnica utilizada para poder identificar y definir los bordes (puntos en medio de zonas de contraste alto) del interior de una imagen, en distintos niveles de finura. Esta filtración del espacio (SSF) podía ser 0 – sin filtración –, 2, 3, 4, 5 y 6 mm; buscando cuál de ellas era la mejor para optimizar la diferenciación entre los dos tipos de tumores.
Resultados
Los resultados mostraron que la heterogeneidad del contenido graso de la lesión, la mayor profundidad de ésta y la localización en el retroperitoneo y miembro inferior se asociaban más a WDL que a lipoma. Había una tendencia a mayor edad y mayor tamaño de la lesión para los WDL, aunque no fue significativa. Tampoco se identificaron diferencias por edad.
Del total de 36 variables para el análisis de textura, 9 mostraron diferencias significativas en la imagen única axial de densidad protónica (DP) entre los dos tipos de lesiones, siendo siempre dichas variables: media de la intensidad y curtosis; para varios niveles de filtrado. Estas diferencias quedaban más remarcadas cuanto menor era la finura en el filtrado de la imagen (SSF mayor – en este caso 6 mm). Solo la variable curtosis, mostró diferencias significativas en el análisis de la imagen coronal en T1, en SSF de 5 y 6 mm.
El análisis univariable mostró que la mejor variable del análisis de texturas para diferenciar WDL de lipoma era la intensidad de señal media con un SSF de 6 mm en la imagen en DP, con una sensibilidad y especificidad del 70% para un valor de corte de < 304.
Se creó un score incluyendo la variable del análisis de textura que arrojaba diferencias más significativas (intensidad media de la grasa en la imagen DP para un SSF de 6) junto a variables de analizadas por imagen de forma convencional que también mostraban diferencias significativas (localización, profundidad y porcentaje de grasa intralesional). Este score tenía un área bajo la curva (AUC) de 0.8.
Discusión
Este estudio sigue la sintonía de otros muchos que buscan ver si se puede mejorar la precisión diagnóstica del radiólogo mediante el uso del llamado diagnóstico asistido por ordenador (CAD). Hay que resaltar que la detección del gen MDM2 mediante la técnica FISH ha permitido poder realizar estos estudios puesto que anteriormente la anatomía patológica no podía asegurar la naturaleza de muchas de las lesiones lipomatosas benignas o malignas de bajo grado.
Se ha podido ver como el uso del análisis de textura aporta una información extra para el diagnóstico de estos tumores mejorando la sensibilidad, especificidad y precisión frente al diagnóstico radiológico convencional. En este caso, se han centrado en el estudio de la intensidad de señal producida por la grasa, que es donde el análisis de texturas determina que si hay más señal (más uniformemente hiperintensa) y menor curtosis (señal más homogénea, con menor contraste) en el ROI de la lesión, es más probable que se trate de un lipoma que de un WDL. No se tuvo en cuenta si a las lesiones se les administró contraste o no puesto que varios estudios han sugerido que el contraste no aporta información extra o mejora el diagnóstico diferencial de dichas lesiones.
El análisis multivariable, incluyendo la mejor variable del análisis de textura (intensidad media de la imagen en DP) junto con las variables visuales antes comentadas, mostraban una mayor AUC (0.8) que el análisis univariable que tenía un AUC de 0.73.
Algunas de las limitaciones que presentaba el estudio eran su tamaño muestral limitado, uso de diferentes bobinas y parámetros para las secuencias según donde estuviera el tumor localizado. La elección del ROI, tanto del plano como de los límites, fue realizada de forma subjetiva con el posible error que ello puede conllevar. Se hacía el análisis sobre un solo plano, donde se buscaba el más graso, con los problemas que puede conllevar no estudiar la lesión completa. Además, no se incluyeron secuencias post-contraste, aunque esto tenía una justificación ya mencionada, podría obviar información importante del tumor. Además, al ser un estudio retrospectivo siempre existe el riesgo de cometer un sesgo de selección.
Valoración personal:
Ventajas: Una herramienta de trabajo nueva de diagnóstico asistido por ordenador que puede mejorar el diagnóstico por imagen. El estudio explica bien en qué consiste y cómo funciona y si es útil en el caso particular que le atañe. No es demasiado tedioso, aunque incluya técnicas estadísticas poco conocidas y variables que se pueden extraer de la imagen por RM mediante ordenador
Desventajas: Hubiera estado bien que hubiera explicado la técnica de filtrado utilizada y cómo usarla, al igual que haber mostrado cómo realizar un análisis de textura para poder facilitar al lector, si quisiera hacer uno, qué pasos tendría que seguir. Utiliza software privativo para realizar el análisis de textura limitando la difusión de la técnica y entorpeciendo que otra gente pueda ponerla en práctica.
Firma:
Nader Salhab Ibáñez
Hospital Clínic Universitari de València, R2
cbseram.com 
Deja una respuesta