Radiomics con IA en TC torácica distingue con precisión los nódulos pulmonares
Un trabajo de European Radiology evaluó una plataforma de inteligencia artificial que combina radiomics y tomografía computada (TC) para clasificar nódulos pulmonares confirmados por patología.
El foco fue separar lesiones preinvasivas, mínimamente invasivas, invasivas y nódulos inflamatorios que imitan cáncer.
La meta: aportar una lectura cuantitativa y reproducible que complemente la interpretación visual del radiólogo y ayude a la estratificación preoperatoria sin procedimientos invasivos.
Modelo evaluado
El software (uAI-Chest-Care, V1.0; United Imaging) integró morfometría tridimensional, parámetros de textura y métricas de atenuación en TC. Luego combinó esas capas con signos tomográficos tradicionales.
La lectura resultante generó una “firma” de imagen por cada nódulo. Esa firma se utilizó en modelos uni y multivariables para estimar probabilidades diagnósticas y construir curvas de desempeño.
Población analizada
Se incluyeron 462 nódulos con diagnóstico histológico. Los cuatro grupos fueron: hiperplasia adenomatosa atípica y adenocarcinoma in situ, adenocarcinoma mínimamente invasivo, adenocarcinoma invasivo y nódulos inflamatorios.
Esta clasificación abarca el espectro más frecuente de hallazgos subsolidos y sólidos en la práctica clínica.
Permite medir si la lectura cuantitativa separa entidades biológicas contiguas o superpuestas.
Desempeño global
El modelo combinado mostró alta precisión para el adenocarcinoma invasivo, con área bajo la curva de 0,936. Para las lesiones preinvasivas, el valor fue 0,884.
Los nódulos inflamatorios alcanzaron 0,865. Estas cifras ubican a la lectura cuantitativa como aliada para diferenciar lo verdaderamente maligno de lo preinvasivo y de imitadores benignos, donde los signos visuales pueden ser sutiles o ambiguos.
Reto con MIA
El adenocarcinoma mínimamente invasivo fue la frontera más difícil, con desempeño de 0,707.
Los autores lo atribuyen a solapamientos en textura y otras métricas que colocan a esta entidad en una zona intermedia.
Proponen sumar información clínica y evolución temporal en TC de seguimiento para mejorar la clasificación y capturar la transición hacia un componente sólido significativo.
Gradiente de invasión
El análisis identificó un continuo de imagen desde las lesiones preinvasivas hacia las invasivas.
Aumentaron de forma progresiva la atenuación, el volumen, la entropía y la complejidad estructural.
Este gradiente numérico reflejó la progresión histológica y otorga coherencia biológica al rendimiento del modelo. No se trata de un único rasgo, sino de un patrón combinatorio.
Atenuación y sólido
La atenuación media creció desde valores muy negativos en lesiones preinvasivas hasta cifras cercanas a tejido blando en el adenocarcinoma invasivo. En paralelo, aumentó la proporción de componente sólido.
El invasivo mostró la mayor carga sólida, por encima de mínimos en preinvasivo y de valores intermedios en mínimamente invasivo. La dupla atenuación-sólido se comportó como marcador de agresividad.
Inflamación distinguida
Separar inflamación de neoplasia es un reto frecuente. Incluir nódulos inflamatorios como categoría propia elevó la utilidad clínica del algoritmo.
El buen desempeño en esta clase sugiere potencial para reducir intervenciones innecesarias en imitadores benignos.
Radiomics capturó texturas y relaciones anatómicas que la simple apreciación visual puede pasar por alto en contextos de realce leve o parénquimas heterogéneos.
Segmentación tridimensional
La segmentación automática y las reconstrucciones tridimensionales con contexto vascular facilitaron medir bordes, volúmenes y cercanías vasculares.
Este nivel de estandarización favorece la reproducibilidad entre estudios y centros. Además, abre la puerta a seguimientos longitudinales con métricas consistentes, útiles para vigilar la aparición o el crecimiento de un componente sólido.
Integración multimodal
El desempeño desigual en mínimamente invasivo impulsa a integrar tiempos. Sumar clínica, antecedentes y dinámica en controles seriados puede resolver empates radiómicos.
Cambios pequeños pero sostenidos, como el incremento del componente sólido, suelen anunciar transición biológica. La plataforma está bien posicionada para cuantificar esas variaciones con menos sesgo subjetivo.
Imágenes cortesía de European Radiology
Localización y caracterización de nódulos pulmonares mediante inteligencia artificial.
Se muestran las imágenes de localización inicial de nódulos pulmonares en TC (fila superior), la segmentación automática basada en IA (fila intermedia) y la reconstrucción tridimensional con contexto vascular (fila inferior).
Las imágenes incluyen ejemplos de hiperplasia adenomatosa atípica (AAH) (izquierda), adenocarcinoma mínimamente invasivo (MIA) (centro-izquierda), adenocarcinoma invasivo (IAC) (centro-derecha) y nódulos inflamatorios (IN) en el pulmón (derecha).
Utilidad clínica
La lectura cuantitativa no reemplaza al radiólogo; lo asiste.
Ofrece una segunda capa objetiva cuando la apariencia es limítrofe. En el preoperatorio, puede orientar decisiones, priorizar biopsias y evitar resecciones en nódulos inflamatorios que simulan malignidad.
En lesiones claramente invasivas, respalda la confianza diagnóstica con señales convergentes de textura, atenuación y morfometría.
Limitaciones del diseño
El estudio fue retrospectivo y se basó en nódulos con confirmación histológica. Aunque la validación interna mostró coherencia, faltan evaluaciones externas y multicéntricas.
Los protocolos de adquisición influyen en textura y atenuación. La estandarización interinstitucional será clave para trasladar estas métricas a escenarios con equipos, kernels y dosis diferentes.
Estandarización posible
La automatización de extracción de rasgos y la segmentación consistente habilitan reglas claras.
Definir conjuntos mínimos de métricas, reportes estructurados y umbrales de probabilidad facilitaría ensayos multicéntricos.
También permitiría a los servicios comparar su desempeño y afinar flujos, desde la priorización de casos hasta la selección de pacientes para biopsia o vigilancia.
Los detalles claves
Un modelo que integra atenuación en TC, textura y morfometría tridimensional distinguió con alta precisión el adenocarcinoma invasivo, las lesiones preinvasivas y los nódulos inflamatorios.
El adenocarcinoma mínimamente invasivo permaneció como el desafío por su solapamiento de rasgos. La suma de capas cuantitativas alineadas con la progresión histológica apoya un uso complementario en la toma de decisiones.
Este artículo se basa en el estudio publicado en European Radiology.
0 comentarios