Desarrollo de un nomograma radiómico individualizado basado en TC para la diferenciación preoperatoria entre tumores estromales gástricos y leiomiomas gástricos

Resumen

Se desarrolló una nomograma radiómica basada en TC para diferenciar con precisión los tumores estromales gástricos de los leiomiomas gástricos, permitiendo un diagnóstico preoperatorio no invasivo e individualizado con alto rendimiento predictivo.

Resumen

Este protocolo describe el desarrollo y validación de un nomograma radiómico basado en tomografía computarizada (TC) para la diferenciación preoperatoria no invasiva de tumores estromales gástricos (GIST) y leiomiomas gástricos (GLM), dos lesiones submucosas gástricas con estrategias terapéuticas y implicaciones pronósticas distintas. Se analizó una cohorte retrospectiva de 172 pacientes con GISTs o GLMs confirmados patológicamente que se sometieron a un TAC con contraste en los primeros 30 días previos a la cirugía. Los pacientes fueron asignados aleatoriamente a una cohorte de entrenamiento (n = 120) y a una cohorte de validación (n = 52). Se evaluaron sistemáticamente variables demográficas, características morfológicas de la TC y características radiómicas cuantitativas extraídas de regiones de interés delimitadas manualmente. La selección de características se realizó utilizando la regresión de menor reducción absoluta y operador de selección (LASSO) con validación cruzada. El modelo predictivo final incorporó la edad, la localización del tumor, el patrón de realce y la NGLDM_Busyness de características radiómicas, que reflejan la heterogeneidad de la textura intratumoral. Estas variables se integraron para construir un nomograma individualizado para uso clínico. El rendimiento del modelo se evaluó mediante análisis de características operativas del receptor, curvas de calibración y análisis de curvas de decisión. El nomograma demostró una fuerte capacidad discriminatoria, buena calibración y utilidad clínica favorable tanto en las cohortes de entrenamiento como de validación, lo que respalda su potencial valor como herramienta no invasiva para el diagnóstico preoperatorio individualizado.

Introducción

Los tumores estromales gástricos (GIST), que son los tumores submucosas gástricos (SMT) más comunes, tienden a considerarse potencialmente malignos independientemente de su tamaño, siendo aquellos que presentan un curso clínico maligno representan aproximadamente entre el 10% y el 30% de^{los casos 1,2}. Según la clasificación^{consensuada 3} del NIH, el riesgo clínico de malignidad de GIST aumenta progresivamente en los estratos: riesgo muy bajo, bajo, intermedio y alto, definido por el tamaño tumoral y el recuento mitótico. Se recomienda un diagnóstico precoz y una resección quirúrgica precoz para pacientes con^{GIST 4}. En contraste, como neoplasia benigna con una rara probabilidad de metástasis y aparentemente los tumores miogénicos más frecuentes de las TMS gástricas, los leiomiomas gástricos (GLM) requieren observación conservadora o tratamientos mínimamente invasivos en lugar de cirugía, salvo en casos en los que las lesiones sean mayores que 5 ^{cm 5,6}. Por tanto, es de gran importancia distinguir los GIST de los GLM de menos de 5 cm debido a sus implicaciones terapéuticas y pronósticas sustancialmente diferentes. Esta distinción resulta especialmente difícil para lesiones pequeñas, ya que a menudo comparten características de imagen solapadas y carecen de síntomas clínicos^{definitivos 7,8}.

La aspiración con aguja fina guiada por ecografía endoscópica (EUS-FNA), como la técnica más avanzada relacionada con la identificación preterapéutica en los TMS gástricos, ha demostrado proporcionar un diagnóstico patológico seguro y preciso de los^{GISTs 7}. Desafortunadamente, la capacidad de la EUS-FNA para extraer muestras de tejido está muy limitada, lo que parece reducir la precisión de su^{diagnóstico 9}. Además, la técnica se considera invasiva. La tomografía computarizada se considera una herramienta de imagen óptima y económica para el diagnóstico preoperatorio de tumores del tracto^{gastrointestinal 10}. Sin embargo, diferenciar entre GISTs y GLMs preoperatoriamente sigue siendo un reto, dada la complejidad de sus síntomas clínicos similares y la aparición en TC^.

La radiómica representa una herramienta prometedora con la capacidad de extraer automáticamente características de imagen cuantitativa de imágenes radiográficas, permitiendo la cuantificación objetiva de la heterogeneidad de^{los tumores 11}. En estudios previos, se han desarrollado modelos de radiómica principalmente para la estratificación de riesgo de GIST basados en TC o RM, demostrando su potencial para evaluar el potencial^maligno 12,13,14. Sin embargo, los estudios centrados específicamente en el diagnóstico diferencial entre GIST y GLM siguen siendo relativamente poco frecuentes. Hasta la fecha, no se ha desarrollado ningún nomograma radiómico basado en TC previo para la diferenciación preoperatoria de GISTs de GLM. Por lo tanto, este estudio construye un nomograma preoperatorio de predicción utilizando características morfológicas de las imágenes TC y parámetros radiológicos para abordar los desafíos mencionados.

Protocolo

Esta investigación fue aprobada por el comité de ética del hospital (número de protocolo: 1612167-18). Dada la naturaleza retrospectiva del estudio, se eximió del requisito de consentimiento informado. Los pacientes con tumores estromales gástricos (GIST) o leiomiomas gástricos (GLM) fueron identificados a partir de registros institucionales entre enero de 2017 y julio de 2022, todos con confirmación patológica postoperatoria. Los reactivos y el equipo utilizado se enumeran en la Tabla de Materiales.

1. Detalles del paciente

Se inscriben pacientes elegibles si cumplen los siguientes criterios: (1) lesiones gástricas con diámetro máximo ≤5 cm; (2) disponibilidad de un diagnóstico patológico completo; (3) someterse a una cirugía radical con intención curativa; y (4) haber sido sometido a un TAC con contraste en los 30 días previos a la cirugía. Se excluyeron a los pacientes con antecedentes de tumores malignos o terapia preoperatoria. Por lo tanto, se incluyeron 110 pacientes con GIST y 62 con GLM en el presente estudio. Se demostró un diagrama de flujo de población (Figura 1). Se incluyeron un total de 172 pacientes (110 GISTs, 62 GLM; 82 hombres, 90 mujeres), con una edad media de 55,05 ± 12,42 años (rango: 22-79 años). A los pacientes se les asignó aleatoriamente un conjunto de entrenamiento (n = 120) y un conjunto de validación (n = 52) mediante aleatorización simple sin estratificación. Los datos demográficos de referencia se resumen en la Tabla 1.

2. Análisis de imágenes por TC

El TAC en el presente estudio se realizó en escáneres de TC de 64 cortes. Cada paciente debía ayunar al menos 6 horas. Aproximadamente 30 minutos antes de la tomografía, se indicó a cada paciente que ingeriera oralmente entre 500 y 800 mL de agua del grifo, y se solicitó tomar 1000 mL de agua inmediatamente antes de la tomografía para diseminar el estómago. Todos los pacientes del estudio se colocaron en posición supina para evitar artefactos causados por el aire en el estómago, asegurándose al mismo tiempo que todas las áreas de la lesión estuvieran cubiertas. Se informó a los pacientes de la exposición a radiación ionizante como parte del procedimiento clínico de imagen. Antes de la administración del contraste, se examinaron contraindicaciones con medio de contraste yodado, incluyendo alergias conocidas e insuficiencia renal (eGFR <30 mL/min/1,73 m²). Los pacientes fueron monitorizados al menos 15 minutos tras la inyección para detectar reacciones adversas agudas. Aparentemente se utilizó un algoritmo estándar de reconstrucción, y el proceso de escaneo seguía estrictamente estas especificaciones: voltaje de tubo de 120 kV; corriente tubular de 250-300 mA; Grosor e intervalo de corte de 1,5 mm. Se utilizó un núcleo de reconstrucción de tejidos blandos (B30f). Posteriormente, durante el proceso mejorado de escaneo, se administraron entre 80 y 120 mL de agente de contraste yodado, con una tasa de inyección intravenosa de 3,0 mL/s. Las fases arterial, portal y retardada deben recogerse aproximadamente durante los 30 s, 60 s y 120 s después de la inyección. Para el análisis radiómico, las imágenes se preprocesaron mediante remuestreo a un tamaño de vóxel isotrópico de 1,5 × 1,5 × 1,5 mm³ y discretización de intensidad usando un ancho fijo de bin de 25 unidades de Hounsfield (HU).

3. Extracción de características radiónicas

En cuanto a las características radiónicas, se utilizó el software LIFEx (versión 4.90; www.lifexsoft.org) para extraer características de la región de interés (ROI). Todas las regiones de interés se delimitaron únicamente en imágenes de TAC en fase venosa porta, que se seleccionaron para análisis radiómicos para asegurar la consistencia y la estabilidad de las características. Para cada paciente, el ROI se delimitó en todas las cortes que contienen la lesión en el plano transversal, utilizando vistas sagital y coronal para asegurar una cobertura volumétrica precisa (Figura 2). Los ROI fueron extraídos de forma independiente por dos radiólogos sin consenso durante la segmentación inicial para permitir la evaluación de la reproducibilidad. El ROI representaba un contorno bidimensional (2D) de una sola rebanada, no un volumen tridimensional. Se incluyeron todas las áreas tumorales al delimitar los ROIs, y se excluyeron las calcificaciones en función de los umbrales de densidad en el entorno del software LIFEx. Se realizó un control de calidad visual para asegurar una distensión gástrica adecuada y la completa inclusión de la lesión dentro del ROI. Se calcularon coeficientes de correlación intra e interclase (ICC) para evaluar la reproducibilidad de la extracción de características radiómicas; se mantuvieron características con ICC > 0,75. Mediante el algoritmo automático del software LIFEx, se obtuvieron 37 características radiómicas: 5 parámetros de histograma, 7 parámetros de matriz de coocurrencia de nivel gris (GLCM), 11 parámetros de matriz de longitud de carrera de nivel gris (GLRLM), 3 parámetros de matriz de diferencia de nivel gris de vecindad (NGLDM) y 11 parámetros de matriz de longitud de zona de nivel gris (GLZLM). La extracción de características se realizaba a través del menú: Segmentación → Radiómica → Cómputo. El preprocesamiento de imágenes incluyó remuestreo a un tamaño de vóxel isotrópico de 1,5 × 1,5 × 1,5^{mm 3} y discretización de intensidad usando un ancho fijo de 25 unidades de Hounsfield (HU). No se aplicó escalado ni normalización de características antes del modelado.

4. Estadísticas

Los análisis estadísticos se realizaron utilizando el software R (versión 3.6.0; https://www.r-project.org). Se compararon variables continuas entre grupos mediante pruebas t independientes; Las variables categóricas se evaluaron con pruebas de χ². Se consideró estadísticamente significativo un valor P bilateral < 0,05.

5. Establecimiento del nomograma de predicción

Se realizó un análisis univariante utilizando la correlación de Pearson con las características demográficas de cribado, morfológicas y radiómicas de la TC para asociarse con el diagnóstico (GIST vs. GLM). El modelado multivariante empleó regresión de menor contracción absoluta y operador de selección (LASSO) implementada mediante el paquete glmnet (función cv.glmnet) con validación cruzada de 10 veces¹⁵. El parámetro óptimo de regularización λ se seleccionó en lambda.1se para favorecer un modelo más austero. Los predictores finales, la edad, la localización del tumor, el patrón de realce y NGLDM_Busyness, se combinaron linealmente utilizando sus respectivos coeficientes para generar una puntuación de predicción (Prescore). Entre todas las características radiómicas extraídas, solo NGLDM_Busyness conservaron un coeficiente distinto de cero tras la penalización de LASSO, lo que sugiere que otras características radiómicas eran redundantes o proporcionaban un valor discriminativo adicional limitado. Se construyó un nomograma basado en el modelo multivariante usando la función nomograma del paquete rms.

6. Efectividad de la predicción y validación del nomograma

El rendimiento predictivo se evaluó utilizando el área bajo la curva característica de funcionamiento del receptor (AUC), sensibilidad, especificidad y precisión tanto en cohortes de entrenamiento como de validación. La calibración se evaluó mediante remuestreo bootstrap (1000 iteraciones) y prueba de ajuste Hosmer-Lemeshow; Las curvas de calibración se representaban en consecuencia. Un valor P < 0,05 indicaba una desviación significativa de la calibración ideal. El índice de concordancia (índice C) se utilizó para cuantificar la fiabilidad discriminativa. La utilidad clínica se evaluó mediante análisis de curva de decisión (DCA).

Resultados

Características demográficas y clínicas
Se incluyeron un total de 172 pacientes con tumores submucosas gástricas (110 GISTs, 62 GLM). Las características demográficas y clínicas se resumen en la Tabla 1, la Tabla 2 y la Tabla 3. Este análisis tenía como objetivo identificar diferencias de referencia entre GISTs y GLMs para informar el desarrollo posterior del modelo. Los GIST tuvieron mayor probabilidad de aparecer en el cuerpo gástrico en pacientes m...

Discusión

Discriminar entre tumores estromales gastrointestinales (GIST) y leiomiomas gástricos (GLM) es clínicamente importante porque afecta directamente a las decisiones de tratamiento y a los resultados del paciente. Se desarrolló y validó un nomograma predictivo que incorpora una característica demográfica (edad), dos signos de TC (patrón de localización y mejora) y un parámetro radiómico (NGLDM_Busyness). Este modelo puede aplicarse fácilmente preoperatoriamente en la práctica clínica. Este ...

Materiales

Lista de materiales utilizados en este artículo

Nombre	Empresa	Número de catálogo	Comentarios
Escáner de TC con contraste	Siemens Healthineers	Definición de SOMATOM AS+	Escáner CT de 64 cortes; típico en hospitales terciarios chinos durante 2017 y 2022. Parámetros de escaneo: 120 kV, 250 y guion guion; 300 mA, grosor de corte de 1,5 mm, grano B30f.
Paquete glmnet (R)	CRAN	Versión 4.0 (compatible con R 3.6.0)	Regresión LASSO con validación cruzada de 10 veces.
Agente de contraste yodado	Bayer AG	Ultravist 370 (Iopromida 370 mg I/mL)	Administrada por vía intravenosa a 80 y punto; 120 mL, 3,0 mL/s. Agente de contraste no iónico ampliamente utilizado en China para la TC abdominal.
Software LIFEx	www.lifexsoft.org	Versión 4.90	Utilizado para la extracción de características radiómicas de ROI CT.
Software R	La Fundación R	Versión 3.6.0	Para análisis estadístico y modelización (https://www.r-project.org).
Paquete RMS (R)	CRAN	Versiones 5.1-4 (compatible con R 3.6.0)	Construcción y calibración del nomograma.