Artículo original: Li S, Yu X, Shi R, Zhu B, Zhang R, Kang B et al. MRI-based radiomics nomogram for differentiation of solitary metastasis and solitary primary tumor in the spine. BMC Medical Imaging. Feb 9;23(1):29.
DOI: https://doi.org/10.1186/s12880-023-00978-8
Sociedad: BMC Medical Imaging (@BMC_series)
Palabras clave: Spinal tumor, Solitary spinal metastasis, Nomogram, Radiomics, Magnetic resonance imaging.
Abreviaturas y acrónimos: área bajo la curva (AUC), resonancia magnética (RM).
Línea editorial del número: BMC medical imaging es una revista online basada en la revisión por pares que publica artículos todos los meses. Destaca porque todos ellos son de acceso abierto y principalmente tratan sobre temas de investigación. El número de febrero recoge unos 15 artículos bastante variados, la mayoría sobre inteligencia artificial. Recomiendo echar un vistazo a dos de ellos: uno sobre un modelo radiómico basado en ultrasonidos para diferenciar entre pólipos vesiculares neoplásicos y de colesterol; y otro sobre el prediagnóstico de nódulos pulmonares.
Motivos para la selección: La inteligencia artificial ha venido para quedarse como lo demuestran la gran cantidad de artículos que se publican últimamente en todas las revistas de radiología. De todos los artículos que hay sobre inteligencia artificial en este número, el que reviso a continuación me ha parecido el más interesante.
Resumen del artículo:
La columna vertebral es una localización común tanto de metástasis como de tumores primarios, siendo mucho más frecuente la enfermedad metastásica. Casi el 70% de los pacientes con cáncer desarrollan metástasis óseas y, aproximadamente, el 40% presentan metástasis vertebrales durante el curso de su enfermedad. Típicamente, las metástasis aparecen como lesiones multifocales en el esqueleto axial, lo que apoya fuertemente el diagnóstico. Sin embargo, cuando la metástasis se presenta como una lesión solitaria sus características de imagen se superponen con frecuencia a las de los tumores primarios vertebrales, lo que dificulta su distinción mediante el uso de técnicas convencionales. Las decisiones sobre el tratamiento y el pronóstico son notablemente diferentes según el diagnóstico de la lesión, por lo tanto, diferenciar entre tumor primario y metástasis es esencial para un correcto manejo diagnóstico.
La biopsia percutánea es un método diagnóstico preciso para evaluar la enfermedad de la columna pero se trata de una prueba invasiva que puede acarrear complicaciones potencialmente graves. Por estas razones, se ha decidido llevar a cabo esta investigación para encontrar un método no invasivo y eficiente que permita discriminar las metástasis de los tumores primarios. Recientemente la radiómica se ha mostrado como una herramienta útil para extraer y analizar características cuantitativas de las imágenes radiológicas, así que el objetivo de este estudio fue desarrollar y validar un nomograma radiómico que permita discriminar entre metástasis y tumores primarios vertebrales.
Se incluyeron pacientes con diagnóstico de tumor vertebral solitario desde enero de 2013 hasta septiembre de 2021. La búsqueda arrojó un total de 211 pacientes, que tras aplicar criterios de inclusión y exclusión se quedaron en 135, 69 correspondían a metástasis y 66 a tumores primarios vertebrales. Entre las metástasis, el cáncer que más aportó fue el de pulmón seguido del renal. Entre los tumores primarios existían gran variedad y subtipos, destacando el plasmocitoma, el cordoma y el linfoma, sin olvidar otros subtipos que sólo aportaban 1 caso cada uno. Tras la aleatorización se construyó una cohorte de entrenamiento de 98 pacientes y otra cohorte de validación de 37. Se puede consultar el diagrama de flujo con todos los detalles en la figura 1.
Para elaborar el modelo de factores clínicos se recogieron variables epidemiológicas (sexo y edad) y una serie de características de imagen en RM: diámetro máximo del tumor, forma (regular o irregular), señal (uniforme o desigual), límites (bien o mal definidos) y ubicación (columna cervical, torácica, lumbar o sacra).
Se aporta una imagen muy ilustrativa para conocer cómo fue el desarrollo del modelo radiómico y del nomograma (figura 2). La segmentación de la imagen fue manual y la realizaron dos radiólogos de músculo-esquelético contorneando cuidadosamente los bordes tumorales sobre las series sagitales T1 y T2 con saturación grasa. Igualmente la extracción de los caracteres cuantitativos usados para la radiómica la llevaron a cabo estos dos radiólogos. Posteriormente se estableció el modelo de nomograma radiómico integrando las variables significativas de los factores clínicos y radiómicos. Se recurrió al área bajo la curva ROC, al test de Hosmer-Lemeshow y a la curva de decisión analítica para conocer si el módelo radiómico era óptimo.
Tras un exhaustivo análisis estadístico se obtuvieron los siguientes resultados en los diferentes modelos:
- Modelo de factores clínicos: hubo diferencias significativas en la edad y dos características en RM. En resumen, a mayor edad del paciente, señal uniforme del tumor y límites mal definidos existen más posibilidades de que corresponda con una metástasis (tabla 1).
- Modelo radiómico: de 2818 características radiómicas extraídas en un principio, finalmente el modelo se construyó utilizando 26 de ellas (se pueden consultar en un fichero adicional al final del artículo).
- Nomograma radiómico: se generó integrando la edad, la señal, los límites y el propio modelo radiómico. Este modelo superó notablemente al modelo de factores clínicos tanto en la cohorte de entrenamiento (AUC 0,980 frente a 0,807, p < 0,01) como en la de validación (AUC 0,924 frente a 0,679, p = 0,020). Sin embargo, no hubo una diferencia estadísticamente significativa entre el rendimiento diagnóstico del nomograma de radiómica y el propio modelo radiómico.
En definitiva, distinguir entre tumores primarios vertebrales y metástasis resulta un reto diagnóstico, siendo una decisión clínicamente relevante de cara al tratamiento y al pronóstico. La radiómica se presenta como una técnica clave para la detección tumoral que puede compensar las deficiencias del diagnóstico por imagen tradicional. En los casos que estas dos entidades se superpongan, la radiómica puede ser una valiosa herramienta adicional. Este estudio propone y valida un nomograma radiómico convencional basado en RM que combina características radiómicas con la edad, la señal y los límites tumorales, logrando un buen rendimiento para diferenciar ambas lesiones. Por tanto, el modelo de nomograma combinado podría usarse como un método confiable y efectivo para formular un plan de tratamiento correcto para pacientes con tumores vertebrales.
Valoración personal:
El artículo está bien estructurado y tiene una tesis muy buena. Logra desarrollar una herramienta que puede llegar a ser muy útil y que confiere al radiólogo mayor seguridad diagnóstica en un tema tan trascendente como distinguir una metástasis de otros tumores.
Como punto negativo, para una mayor comprensión del artículo hay que conocer terminología muy concreta sobre inteligencia artificial. A veces resulta confuso diferenciar la propia radiómica del nomograma radiómico. Por otro lado, tal y como comentan los autores, aunque el estudio arroja resultados muy positivos y estadísticamente significativos, creo que tiene una muestra muy baja que impide extrapolar los resultados a una población más amplia, por lo que sería necesario más investigación en este sentido.
Juan José Maya González
Hospital Universitario Juan Ramón Jiménez, Huelva, R4
@juanjo_mgfv
cbseram.com 
Deja un comentario