Desenvolvimento de um nomograma radiomínico individualizado baseado em tomografia computarizada para diferenciação pré-operatória entre tumores estromais gástricos e leiomiomas gástricos

Resumo

Foi desenvolvido um nomograma radiomítico baseado em tomografia computadorizada para diferenciar com precisão tumores estromais gástricos de leiomiomas gástricos, permitindo um diagnóstico pré-operatório não invasivo e individualizado com alto desempenho preditivo.

Resumo

Este protocolo descreve o desenvolvimento e validação de um nomograma radiográfico baseado em tomografia computorizada (TC) para a diferenciação pré-operatória não invasiva de tumores estromais gástricos (GISTs) e leiomiomas gástricos (GLMs), duas lesões submucosas gástricas com estratégias terapêuticas distintas e implicações prognósticas. Uma coorte retrospectiva de 172 pacientes com GISTs ou GLMs confirmados patologicamente que passaram por tomografia computológica com contraste dentro de 30 dias antes da cirurgia foi analisada. Os pacientes foram aleatoriamente designados para uma coorte de treinamento (n = 120) e uma coorte de validação (n = 52). Variáveis demográficas, características morfológicas da TC e características radiômicas quantitativas extraídas de regiões de interesse delimitadas manualmente foram avaliadas sistematicamente. A seleção de características foi realizada usando a regressão de menor encolhimento absoluto e operador de seleção (LASSO) com validação cruzada. O modelo preditivo final incorporou idade, localização tumoral, padrão de realce e a característica radiômica NGLDM_Busyness, que reflete a heterogeneidade da textura intratumoral. Essas variáveis foram integradas para construir um nomograma individualizado para uso clínico. O desempenho do modelo foi avaliado usando análise de características operacionais do receptor, curvas de calibração e análise de curvas de decisão. O nomograma demonstrou forte capacidade discriminativa, boa calibração e utilidade clínica favorável tanto nas coortes de treinamento quanto de validação, apoiando seu potencial como ferramenta não invasiva para diagnóstico pré-operatório individualizado.

Introdução

Tumores estromais gástricos (GISTs), que são os tumores submucosos gástricos (SMTs) mais comuns, tendem a ser considerados potencialmente malignos independentemente de seu tamanho, sendo que aqueles com curso clínico maligno representam aproximadamente 10% a 30% dos^{casos 1,2}. De acordo com a classificação de consenso^{do NIH 3}, o risco clínico de malignidade dos GISTs aumenta progressivamente em todas as camadas: risco muito baixo, baixo, intermediário e alto, definidos pelo tamanho do tumor e contagem mitótica. Diagnóstico precoce e resseção cirúrgica precoces são recomendados para pacientes com^{GISTs 4}. Em contraste, como uma neoplasia benigna com rara probabilidade de metastatização e aparentemente os tumores miogênicos mais frequentes dos SMTs gástricos, os leiomiomas gástricos (GLMs) requerem observação conservadora ou tratamentos minimamente invasivos em vez de cirurgia, exceto nos casos em que as lesões são maiores que 5^{cm 5,6}. Assim, é de grande importância distinguir GISTs de GLMs menores que 5 cm devido às suas implicações terapêuticas e prognósticas substancialmente diferentes. Essa distinção é particularmente desafiadora para lesões pequenas, pois frequentemente compartilham características de imagem sobrepostas e carecem de sintomas clínicos^{definitivos 7,8}.

A aspiração por agulha fina guiada por ultrassom endoscópico (EUS-FNA), como a técnica mais avançada relacionada à identificação pré-terapêutica em SMTs gástricos, tem se comprovado como fornecendo um diagnóstico patológico seguro e preciso dos^{GISTs 7}. Infelizmente, a capacidade do EUS-FNA de extrair amostras de tecido é severamente limitada, o que parece reduzir a precisão do seu^{diagnóstico 9}. Além disso, a técnica é considerada invasiva. A tomografia computadorizada é considerada uma ferramenta de imagem ideal e econômica para o diagnóstico pré-operatório de tumores do trato^{gastrointestinal 10}. No entanto, diferenciar entre GISTs e GLMs pré-operatório continua sendo desafiador, dada a complexidade de seus sintomas clínicos semelhantes e as aparições em^{tomografias 10}.

A radiômica representa uma ferramenta promissora com a capacidade de extrair automaticamente características quantitativas de imagem a partir de imagens radiográficas, permitindo a quantificação objetiva da heterogeneidade dos^{tumores 11}. Em estudos anteriores, modelos de radiômica foram desenvolvidos principalmente para estratificação de risco de GISTs com base em TC ou ressonância magnética, demonstrando seu potencial na avaliação do potencial^{maligno 12,13,14}. No entanto, estudos focados especificamente no diagnóstico diferencial entre GISTs e GLMs continuam relativamente raros. Até o conhecimento atual, nenhum nomograma radiomédico baseado em TC foi desenvolvido anteriormente para a diferenciação pré-operatória de GISTs em relação aos GLMs. Portanto, este estudo constrói um nomograma pré-operatório de previsão usando características morfológicas das imagens de TC e parâmetros radiômicos para abordar os desafios mencionados acima.

Protocolo

Essa pesquisa foi aprovada pelo comitê de ética do hospital (número de protocolo: 1612167-18). Dada a natureza retrospectiva do estudo, a exigência de consentimento informado foi dispensada. Pacientes com tumores estromais gástricos (GISTs) ou leiomiomas gástricos (GLMs) foram identificados a partir de registros institucionais entre janeiro de 2017 e julho de 2022, todos com confirmação patológica pós-operatória. Os reagentes e os equipamentos utilizados estão listados na Tabela de Materiais.

1. Detalhes do paciente

Pacientes elegíveis são inscritos se atenderem aos seguintes critérios: (1) lesões gástricas com diâmetro máximo ≤5 cm; (2) disponibilidade de diagnóstico patológico completo; (3) submeter-se a cirurgia radical com intenção curativa; e (4) ter passado por tomografia computadorizada com contraste dentro de 30 dias antes da cirurgia. Pacientes com histórico de tumores malignos ou terapia pré-operatória foram excluídos. Portanto, 110 pacientes com GIST e 62 com GLMs foram incluídos no presente estudo. Foi demonstrado um fluxograma populacional (Figura 1). Um total de 172 pacientes (110 GISTs, 62 GLMs; 82 homens, 90 mulheres) foram incluídos, com uma idade média de 55,05 ± 12,42 anos (intervalo: 22-79 anos). Os pacientes foram aleatoriamente atribuídos a um conjunto de treinamento (n = 120) e um conjunto de validação (n = 52) usando randomização simples sem estratificação. Os dados demográficos de base são resumidos na Tabela 1.

2. Análise de imagem por tomografia computarizada

A tomografia computorizada no presente estudo foi realizada em tomografias de 64 fatias. Todo paciente era obrigado a jejuar por pelo menos 6 horas. Aproximadamente 30 minutos antes da tomografia, cada paciente foi instruído a ingerir oralmente de 500 a 800 mL de água da torneira, e 1000 mL de água foram solicitados imediatamente antes da tomografia para distender o estômago. Todos os pacientes do estudo foram posicionados em posição supina para evitar artefatos causados pelo ar no estômago, garantindo que todas as áreas da lesão fossem cobertas. Os pacientes foram informados sobre exposição à radiação ionizante como parte do procedimento clínico de imagem. Antes da administração do contraste, contraindicações ao meio de contraste iodado, incluindo alergia conhecida e insuficiência renal (eGFR <30 mL/min/1,73 m²), foram rastreadas. Os pacientes foram monitorados por pelo menos 15 minutos após a injeção para reações adversas agudas. Um algoritmo padrão de reconstrução aparentemente foi utilizado, e o processo de varredura seguiu rigorosamente estas especificações: tensão de tubo de 120 kV; corrente tubular de 250-300 mA; 1,5 mm de espessura e intervalo de fatia. Foi utilizado um grão de reconstrução de tecidos moles (B30f). Posteriormente, durante o processo aprimorado de varredura, foram administrados 80-120 mL de agente de contraste iodado, com uma taxa de injeção intravenosa de 3,0 mL/s. As fases arterial, portal e retardada devem ser coletadas aproximadamente em 30 s, 60 s e 120 s após o período da injeção. Para análise radiômica, as imagens foram pré-processadas por reamostragem para um tamanho isotrópico de voxel de 1,5 × 1,5 × 1,5 mm³ e discretização de intensidade usando uma largura fixa de bin de 25 unidades de Hounsfield (HU).

3. Extração de características radiômicas

Quanto às características radiômicas, o software LIFEx (versão 4.90; www.lifexsoft.org) foi usado para extrair características da região de interesse (ROI). Todas as regiões de interesse foram delimitadas apenas em imagens de tomografia computorizada em fase venosa porta, que foram selecionadas para análise radiômica para garantir consistência e estabilidade das características. Para cada paciente, o ROI foi delineado em todas as fatias contendo a lesão no plano transversal, com vistas sagital e coronal usadas para garantir uma cobertura volumétrica precisa (Figura 2). Os ROIs foram obtidos independentemente por dois radiologistas sem consenso durante a segmentação inicial para permitir a avaliação da reprodutibilidade. O ROI representava um contorno bidimensional (2D) de fatia única, não um volume tridimensional. Todas as áreas tumorais foram incluídas ao delinear os ROIs, e calcificações foram excluídas com base nos limiares de densidade no contexto do software LIFEx. Foi realizado controle de qualidade visual para garantir distensão gástrica adequada e inclusão completa da lesão no ROI. Coeficientes de correlação intra e interclasse (ICCs) foram calculados para avaliar a reprodutibilidade da extração de características radiômicas; recursos com ICC > 0,75 foram mantidos. Por meio do algoritmo automático do software LIFEx, 37 características radiômicas foram obtidas: 5 parâmetros de histograma, 7 parâmetros de matriz de coocorrência de nível cinza (GLCM), 11 parâmetros de matriz de comprimento de corrida em nível cinza (GLRLM), 3 parâmetros de matriz de diferença de nível cinza de vizinhança (NGLDM) e 11 parâmetros de matriz de comprimento de zona de nível cinza (GLZLM). A extração de características era realizada pelo caminho do menu: Segmentação → Radiomics → Compute. O pré-processamento de imagem incluiu reamostragem para um tamanho voxel isotrópico de 1,5 × 1,5 × 1,5^{mm 3} e discretização de intensidade usando uma largura fixa de bin de 25 unidades de Hounsfield (HU). Nenhuma escala ou normalização de características foi aplicada antes da modelagem.

4. Estatísticas

As análises estatísticas foram realizadas usando o software R (versão 3.6.0; https://www.r-project.org). Variáveis contínuas foram comparadas entre grupos usando testes t independentes; Variáveis categóricas foram avaliadas com testes de χ². Um valor P bilateral < 0,05 foi considerado estatisticamente significativo.

5. Estabelecimento do nomograma de previsão

A análise univariada foi realizada usando a correlação de Pearson com características demográficas de triagem, morfológicas da tomografia computorizada e radiômicas para associação com o diagnóstico (GIST vs. GLM). Modelagem multivariada utilizou regressão de menor encolhimento absoluto e operador de seleção (LASSO) implementada via pacote glmnet (função cv.glmnet) com validação cruzada 10 vezes¹⁵. O parâmetro ótimo de regularização λ foi selecionado em lambda.1se para favorecer um modelo mais econômico. Os preditores finais, idade, localização do tumor, padrão de aprimoramento e NGLDM_Busyness, foram combinados linearmente usando seus respectivos coeficientes para gerar uma pontuação de predição (Prescore). Entre todas as características radiômicas extraídas, apenas NGLDM_Busyness mantiveram um coeficiente diferente de zero após a penalização do LASSO, sugerindo que outras características radiômicas eram redundantes ou forneceram valor discriminativo adicional limitado. Um nomograma foi construído com base no modelo multivariado usando a função nomograma do pacote rms.

6. Eficácia da previsão e validação do nomograma

O desempenho preditivo foi avaliado usando a área sob a curva característica operacional do receptor (AUC), sensibilidade, especificidade e precisão tanto em coortes de treinamento quanto de validação. A calibração foi avaliada por meio de reamostragem bootstrapping (1000 iterações) e teste de adequação Hosmer-Lemeshow; As curvas de calibração foram plotadas de acordo. Um valor P < 0,05 indicou um desvio significativo da calibração ideal. O índice de concordância (índice C) foi usado para quantificar a confiabilidade discriminativa. A utilidade clínica foi avaliada por análise da curva de decisão (DCA).

Resultados

Características demográficas e clínicas
Um total de 172 pacientes com tumores submucosos gástricos (110 GISTs, 62 GLMs) foram incluídos. Características demográficas e clínicas estão resumidas nas Tabelas 1, Tabela 2 e Tabela 3. Essa análise teve como objetivo identificar diferenças de referência entre GISTs e GLMs para informar o desenvolvimento subsequente do modelo. Os GISTs tiveram maior probabilidade de ocorrer no corpo gástrico em pacientes idos...

Discussão

Discriminar entre tumores estromais gastrointestinais (GISTs) e leiomiomas gástricos (GLMs) é clinicamente importante porque afeta diretamente as decisões de tratamento e os resultados dos pacientes. Um nomograma foi desenvolvido e validado como um nomograma preditivo que incorpora uma característica demográfica (idade), dois sinais de tomografia computorizada (padrão de localização e aprimoramento) e um parâmetro radiômico (NGLDM_Busyness). Esse modelo pode ser facilmente aplicado pré-o...

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Scanner de tomografia computadorizada com contraste	Siemens Healthineers	Definição SOMATOM AS+	Scanner de tomografia computadorizada de 64 fatias; típico em hospitais terciários chineses durante 2017 e 2022. Parâmetros de varredura: 120 kV, 250 e ndash; 300 mA, 1,5 mm de espessura de corte, grão B30f.
Pacote glmnet (R)	CRAN	Versão 4.0 (compatível com R 3.6.0)	Regressão LASSO com validação cruzada 10 vezes.
Agente de contraste iodado	Bayer AG	Ultravist 370 (Iopromida 370 mg I/mL)	Administrado IV aos 80 e ao longo do dia-mãe; 120 mL, 3,0 mL/s. Agente de contraste não iônico amplamente utilizado na China para tomografia abdominal.
Software LIFEx	www.lifexsoft.org	Versão 4.90	Usado para extração de características radiômicas a partir de ROIs de CT.
Software R	A Fundação R	Versão 3.6.0	Para análise estatística e modelagem (https://www.r-project.org).
Pacote RMS (R)	CRAN	Versões 5.1-4 (compatível com R 3.6.0)	Construção e calibração do nomograma.