Artículo original: Suri A, Mukherjee P, Rabbee N, Pickhardt PJ, Summers RM. Assessing the reliability of pancreatic CT imaging biomarkers for diabetes prediction: a dual center retrospective study. Acad Radiol. 2025.
DOI: https://doi.org/10.1016/j.acra.2025.02.047
Sociedad: The Association of Academic Radiology (AAR) (@aaradiol)
Palabras clave: Computed tomography, imaging biomarkers, pancreas segmentation, reliability.
Abreviaturas y acrónimos utilizados: CIV (contraste intravenoso) , DM (diabetes mellitus), HbA1c (Hemoglobina Glicosilada), TC (computed tomography)
Línea editorial: Academic Radiology es una revista científica de publicación mensual donde encontramos artículos sobre las distintas novedades dentro de la radiología. En el volumen del mes de Julio me han resultado interesantes los artículos: Artificial Intelligence in CT Angiography for the Detection of Coronary Artery Stenosis and Calcified Plaque y External Validation of an Artificial Intelligence Algorithm Using Biparametric MRI and Its Simulated Integration with Conventional PI-RADS for Prostate Cancer Detection, ya que hablan sobre la aplicación de la inteligencia artificial en las estenosis y ateromatosis calcificada de arterias coronarias y en el cáncer de próstata. Una herramienta que creo que puede ser útil en muchos campos para el radiólogo y con la que tenemos que familiarizarnos para poder complementar nuestro trabajo.
Motivos para la selección:
He elegido este artículo porque la diabetes es una patología frecuente en la población y en la que resulta importante un diagnóstico precoz para poder controlar la enfermedad y evitar los efectos secundarios a largo plazo. Creo que no se suele tener en cuenta el TC a la hora de valorar si un paciente puede tener signos indirectos de la enfermedad y darlo a conocer a radiólogos puede ser de gran ayuda para la población, tanto para su cribado como para su seguimiento.
Resumen:
La DM (diabetes mellitus) es una enfermedad con una alta prevalencia que conlleva una alta morbilidad y mortalidad. Además se estima que alrededor del 18% de adultos no han sido diagnosticados, por lo que el uso del TC para la detección precoz de esta enfermedad puede ser útil en la población. El objetivo del estudio es evaluar si distintos biomarcadores en el TC, derivados de diferentes algoritmos de segmentación pancreática, tienen precisión a la hora de diagnosticar DM en hospitales.
Se incluyeron pacientes de dos hospitales diferentes (8985 pacientes y 787 respectivamente) y con prueba de HbA1c, que confirma o descarta el diagnóstico de DM. Los marcadores que se usaron para evaluar fueron: la densidad, porcentaje de grasa, dimensión fractal y volumen pancreáticos. Para la correlación de estas variables se usaron tres algoritmos de segmentación pancreática: TotalSegmentator, nnUNet y DMUNet.
Como resultados se obtuvo una alta concordancia en los algoritmos para las medidas basadas en atenuación y se dividieron los resultados en TC sin y con CIV, mostrando mayor concordancia en los biomarcadores de densidad y dimensión fractal en las pruebas con CIV; y el resto en las que no tenían CIV.
Se demostró que estos biomarcadores de imagen tenían una precisión predictiva en diferentes instituciones, una buena concordancia con las medidas de atenuación, así como una buena concordancia para clasificar a los pacientes según su estado de diabetes. Esta concordancia era mayor en exploraciones con contraste que en las que no tenían en general.
Se vio que dos de los tres factores más importantes para la predicción de diabetes eran indicadores indirectos de niveles de adiposidad. Estos son el % de grasa en el páncreas y la dimensión fractal, que demostró ser un biomarcador importante, siendo un indicador indirecto de la nodularidad de la superficie del páncreas, una característica que está presente en la mayoría de pacientes con diabetes de larga evolución.
Algunas de las limitaciones del estudio fueron: que los pacientes con DM o DM incipiente estaban subrepresentados frente a los pacientes que no tenían DM; a pesar de encontrar un valor predictivo positivo del 0,79 y valor predictivo negativo del 0,89, se vio que estos valores estaban influidos según la prueba tuviera o no contraste. Además se encontró una falta de diagnósticos de enfermedad en pacientes del segundo hospital y por tanto, falta de exactitud de fecha de diagnóstico.
Como conclusión se obtuvo que los biomarcadores en TC basados en la atenuación demostraron robustez y una capacidad predictiva positiva en distintos escenarios clínicos (estudios en pacientes con y sin DM, estudios con y sin CIV…). Esto demuestra que estos biomarcadores pueden ser útiles para el cribado de la enfermedad.
Valoración personal: Me parece un artículo muy interesante debido a que trata una patología muy frecuente hoy en día e infradiagnosticada, que supone una de las enfermedades con mayor morbimortalidad. Demostrar la utilidad del TC en el diagnóstico de esta enfermedad confirma la necesidad de los radiólogos de reconocer los biomarcadores descritos para que junto con otras pruebas complementarias, ayudan a médicos y pacientes en su diagnóstico definitivo.
Aunque se trata de una enfermedad de diagnóstico clínico/ analítico, al igual que muchas otras entidades, el TC puede usarse como una herramienta complementaria para detectarla de manera incidental o con alta sospecha y donde los radiólogos tenemos un papel fundamental.
María Castillo Isiegas
Hospital Universitario de Getafe, Madrid, R3
cbseram.com 
Deja un comentario