Modelo clínico-radiómico basado en TC para predecir la progresión y potenciar la aplicabilidad clínica en el cáncer de cabeza y cuello localmente avanzado
Biomarcadores de imágenes de tomografías computarizadas basales para la estratificación del riesgo de progresión en el carcinoma de células escamosas de cabeza y cuello localmente avanzado (LAHNSCC).
AplicaciónOncología
El desafío
Actualmente, la quimiorradioterapia definitiva es el tratamiento estándar para el carcinoma espinocelular de células no pequeñas de Langerhans. Sin embargo, las respuestas de los pacientes al tratamiento varían y algunos experimentan progresión dentro de los cinco años posteriores al diagnóstico. En consecuencia, existe una necesidad apremiante de estratificar mejor el riesgo de progresión en el momento del diagnóstico, para ayudar a los médicos a tomar decisiones de tratamiento informadas. Nuestro objetivo es Utilizar biomarcadores de imágenes derivados de tomografías computarizadas basales para clasificar a los pacientes en categorías de progresión de alto o bajo riesgo..
La solución
En un estudio retrospectivo de un solo centro, se recopilaron tomografías computarizadas basales y datos clínicos de 171 pacientes con LAHNSCC tratados con quimiorradiación definitiva. La segmentación del tumor fue realizada manualmente por técnicos de Quibim utilizando la plataforma Quibim bajo la supervisión de un radiólogo. Se extrajeron biomarcadores de imagen de cada lesión y los datos se sometieron a una reducción de características. Después de una validación cruzada de cinco pasos, se evaluaron distintos modelos para determinar su capacidad de predecir la progresión a 5 años del diagnóstico.
Figura 1. Flujo de trabajo de radiómica.
El resultado
En nuestra publicación recientemente aceptada en Radiología europea, demostramos que el modelo de aumento de gradiente extremo (XGBoost) predijo de manera más efectiva la progresión a 5 años, incluidas 12 características radiómicas y cuatro variables clínicas (sitio del tumor primario [cavidad oral], TNM [tumor-nódulos-metástasis], edad y tabaquismo), logrando un AUC de 0.74, una sensibilidad de 0.53, una especificidad de 0.81 y una precisión de 0.66 en el conjunto de prueba, como se muestra en la Tabla 1.
Tabla 1. Métricas de desempeño obtenidas en la predicción de la progresión a 5 años utilizando la estadificación TNM8 (C1), TNM8 y variables clínicamente significativas (C2) y características clínicas y radiómicas (R+C) como entrada al modelo, sobreentrenamiento, validación y subconjuntos de datos de prueba. Se calcularon los valores de media y desviación estándar a lo largo del proceso de validación cruzada de 5 pasos para los valores de entrenamiento y validación.
Además, los resultados obtenidos en el análisis univariante muestran diferencias estadísticamente significativas entre los pacientes que progresan y los que no progresan en 5 variables radiómicas. Como se muestra en la Figura 2, el gráfico de longitud del eje mayor reveló que el diámetro más grande del tumor primario era mayor en los pacientes que progresan, mientras que las características de segundo orden revelaron un tumor primario más heterogéneo en este mismo grupo.
Figura 2. Distribuciones de diagramas de caja de las características radiómicas que muestran diferencias estadísticamente significativas entre los pacientes con progresión a los 5 años y los que no la presentan. Planitud de la forma (valor p 0.028), Longitud del eje mayor de la forma (valor p 0.006), No uniformidad de la zona de tamaño de GLSZM de segundo orden (valor p 0.020), Énfasis de área pequeña de GLSZM de segundo orden (valor p 0.016) y Entropía de dependencia de GLDM de segundo orden (valor p 0.037). Abreviaturas: GLRLM (matriz de longitud de serie de niveles de grises), GLSZM (matriz de zona de tamaño de niveles de grises), GLDM (matriz de dependencia de niveles de grises).
En conclusión, un modelo integral para el carcinoma espinocelular de cabeza y cuello basado en características de radiología computarizada y que incluya variables clínicas de rutina muestra una precisión notable en la estratificación de los grupos de riesgo, superando a los modelos clínicos actuales. Sin embargo, se requiere una validación externa prospectiva para confirmar estos hallazgos.
Referencia:
Bruixola, G., Dualde-Beltrán, D., Jiménez-Pastor, A., Nogué, A., Bellvís, F., Fuster-Matanzo, A., Alfaro-Cervelló, C., Grimalt, N., Salhab- Ibáñez, N., Escorihuela, V., Iglesias, ME, Maroñas, M., Alberich-Bayarri, Á., Cervantes, A., y Tarazona, N. (en prensa). Modelo de radiómica clínica basado en TC para predecir la progresión e impulsar la aplicabilidad clínica en el cáncer de cabeza y cuello localmente avanzado. Radiología europea.
