Resumen
Antecedentes
Este estudio tuvo como objetivo explorar la incidencia de metástasis de ganglios linfáticos ocultos (OLM) en pacientes con cáncer de pulmón de células pequeñas (SCLC) T1 − 2N0M0 (cT1 − 2N0M0) clínicos y desarrollar modelos de predicción de aprendizaje automático utilizando datos radiómicos basados en TC con contraste intratumoral y peritumoral preoperatorios.
Métodos
Mediante la realización de un análisis retrospectivo que incluyó a 242 pacientes elegibles de 4 centros, determinamos la incidencia de OLM en pacientes con CPCP cT1 − 2N0M0. Para cada lesión, se definieron dos ROI utilizando el volumen tumoral bruto (GTV) y el volumen peritumoral 15 mm alrededor del tumor (PTV). Al extraer un conjunto completo de 1595 características radiómicas mejoradas basadas en TC individualmente del GTV y el PTV, se construyeron cinco modelos y evaluamos rigurosamente el rendimiento del modelo utilizando varias métricas, incluido el área bajo la curva (AUC), la precisión, la sensibilidad, la especificidad, la curva de calibración y el análisis de la curva de decisión (DCA). Para una mejor aplicabilidad clínica, formulamos un nomograma que integra parámetros clínicos y el rad_score (GTV y PTV).
Resultados
La investigación inicial reveló una tasa de positividad de OLM del 33,9 % en pacientes con CPCP cT1 − 2N0M0. Nuestro modelo combinado, que incorpora tres características radiológicas del GTV y PTV, junto con dos parámetros clínicos (estado de tabaquismo y forma), exhibió capacidades predictivas sólidas. Con un valor de AUC máximo de 0,772 en la cohorte de validación externa, el modelo superó a los modelos alternativos. El nomograma mejoró significativamente la precisión diagnóstica para los radiólogos y agregó un valor sustancial al proceso de toma de decisiones clínicas para pacientes con CPCP cT1 − 2N0M0.
Conclusiones
La incidencia de OLM en pacientes con CPCP superó a la de pacientes con cáncer de pulmón de células no pequeñas. El modelo combinado demostró un notable efecto de generalización, distinguiendo eficazmente entre OLM positivos y negativos de manera no invasiva, guiando así las decisiones clínicas individualizadas para pacientes con CPCP cT1 − 2N0M0.
Introducción
El cáncer de pulmón es la causa más común de muerte por cáncer en todo el mundo y representa aproximadamente el 18,0% de todas esas muertes (1). El cáncer de pulmón se puede dividir en cáncer de pulmón de células pequeñas (SCLC) y cáncer de pulmón de células no pequeñas (NSCLC) según el subtipo histológico, y el SCLC representa aproximadamente el 15% de todos los casos de cáncer de pulmón (2). El CPCP es un carcinoma neuroendocrino de alto grado con un pronóstico excepcionalmente malo y una tasa de supervivencia general a 5 años de solo el 7 % (3). Estudios previos han demostrado que la quimiorradioterapia concurrente (CCRT) ha sido el tratamiento estándar para el CPCP desde principios de la década de 1990 (4, 5). Con el uso generalizado de la TC, el número de tumores de CPCP periféricos tempranos ha aumentado (6,7,8). Recientemente, la atención se ha desplazado hacia la intervención quirúrgica, revelando tasas de supervivencia prometedoras a 5 años de hasta el 50 % para pacientes con CPCP patológico T1 − 2N0M0 (9,10,11). Por lo tanto, las pautas de la Red Nacional Integral del Cáncer recomiendan la cirugía como modalidad de tratamiento principal para el CPCP patológico T1 − 2N0M0 (12, 13).
Sin embargo, en la práctica clínica, si bien las imágenes son eficaces para determinar el estadio T1-2, definir N0 es un desafío porque la disección quirúrgica de los ganglios linfáticos a menudo produce resultados positivos cuando las imágenes no indican metástasis en los ganglios linfáticos (14,15,dieciséis). La metástasis oculta de ganglios linfáticos (OLM) se refiere a la situación en la que la metástasis de ganglios linfáticos no se detecta mediante imágenes prequirúrgicas (principalmente TC) pero se confirma mediante patología posoperatoria (17,18,19). Los exámenes de diagnóstico por imágenes preoperatorios se basan principalmente en la TC para diagnosticar la metástasis de los ganglios linfáticos, pero se pasan por alto muchos OLM, lo que da como resultado una cirugía ineficaz. Para los pacientes con CPCP cT1 − 2N0M0, la presencia o ausencia de OLM determina si el paciente puede someterse a una cirugía. La biopsia toracoscópica es el «estándar de oro» para detectar el estado de los ganglios linfáticos torácicos, pero este es un método de examen invasivo que puede conducir a una serie de complicaciones, como sangrado, infección y neumotórax. Por lo tanto, es necesario identificar nuevos y valiosos métodos de diagnóstico por imágenes no invasivos para predecir OLM en pacientes con CPCP cT1 − 2N0M0.
En los últimos años, la radiómica ha surgido como un área de investigación destacada, permitiendo la extracción de alto rendimiento de datos extensos de imágenes médicas (20). Este enfoque permite el análisis de características de imágenes cuantitativas y de alto nivel, lo que proporciona un reflejo profundo de la heterogeneidad espacial dentro de los tejidos tumorales (20). Estudios previos han desarrollado con éxito modelos para predecir la OLM en pacientes con CPCNP basados en características radiómicas de lesiones primarias (incluidas lesiones con densidad de vidrio esmerilado y densidad sólida), demostrando un rendimiento predictivo sólido (21,22,23,24). Además, se ha demostrado que la radiómica peritumoral es igualmente predictiva (25, 26). Además, la literatura se ha centrado predominantemente en la OLM en el CPCNP (26,27,28,29), con estudios limitados que exploran la tasa de incidencia de OLM en el CPCP.
En consecuencia, este estudio se centró en pacientes con CPCP cT1 − 2N0M0 para investigar la tasa de incidencia de OLM en esta población clínica y desarrolló modelos predictivos para OLM que integran parámetros clínicos y radiomía de TC con contraste intratumoral y peritumoral.
Materiales y métodos
Selección de pacientes
Los comités de revisión institucional aprobaron este estudio retrospectivo y se eliminó el requisito del consentimiento informado por escrito. La histopatología de los tumores se definió de acuerdo con la definición de la Organización Mundial de la Salud de 2015 (30), y la estadificación clínica y patológica se basó en la octava edición de la clasificación TNM (31). Este estudio revisó retrospectivamente a 242 pacientes con CPCP confirmado por patología posoperatoria de cuatro centros entre enero de 2014 y septiembre de 2022. Los criterios de inclusión fueron los siguientes: (1) se sometieron a resección de la lesión primaria y disección sistemática de ganglios linfáticos; (2) se sometieron a TC mejorada preoperatoria; y (3) tenían un estadio clínico antes de la cirugía de T1 − 2N0M0. Además, todos los pacientes tenían nódulos pulmonares solitarios en estadio clínico T1 ~ 2 según la TC mejorada y ningún ganglio linfático agrandado (es decir, diámetro corto de LN ≤ 10,0 mm en la TC). Los criterios de exclusión fueron los siguientes: (1) pacientes que recibieron radioterapia, quimioterapia u otros tratamientos para CPCP antes de la cirugía; (2) tuvieron un intervalo entre el examen de TC y la cirugía de más de 2 semanas; (3) tenían imágenes de capa fina (con un grosor de corte menor o igual a 1,25 mm) faltantes; y (4) tenían artefactos de TC graves y mala calidad de imagen. En el caso de los pacientes con lesiones múltiples, solo se incluyeron las lesiones de CPCP con resultados patológicos concluyentes. La metástasis de los ganglios linfáticos del paciente se obtuvo del informe patológico posoperatorio y fue reconfirmada por un profesor de patología sénior del Departamento de Patología.
Todos los pacientes del centro 1 fueron asignados a la cohorte de entrenamiento, y los pacientes del centro 2, 3 y 4 compusieron la cohorte de validación externa (Fig. 1).
Figura 1Diagramas de flujo que muestran las vías asociadas con la inclusión y exclusión de pacientes. SCLC = cáncer de pulmón de células pequeñas. DICOM = Imágenes digitales y comunicaciones en medicina
Imagen de tamaño completoTomografía computarizada y características semánticas de la TC
Todos los pacientes inscritos en los cuatro hospitales se sometieron a una configuración de exploración similar pero con diferentes sistemas y parámetros (Apéndice E1). Las definiciones y criterios de evaluación de los parámetros clínicos se describen en el Apéndice. E2Dos radiólogos, cada uno con 2 años de experiencia en imágenes pulmonares y que desconocían los resultados clínicos y patológicos, evaluaron las características semánticas de la TC en la ventana pulmonar (nivel, -550 HU; ancho, 1500 HU) y en la ventana mediastínica (nivel, 40 HU; ancho, 400 HU). Cualquier desacuerdo con respecto a la descripción de las características semánticas de la TC se resolvió mediante una lectura de consenso, y los resultados fueron confirmados posteriormente por un radiólogo jefe especializado en imágenes torácicas.
Adquisición de imágenes de TC y segmentación de lesiones
Las imágenes de TC DICOM mejoradas se anonimizaron y las regiones de interés (ROI) se delinearon mediante el software ITK-SANP (versión 3.8.0; https://www.itksnap.org). Según estudios previos (25, 32), el volumen tumoral bruto (GTV) se dilató 15 mm en tres dimensiones y sirvió uniformemente como GTV + PTV (volumen peritumoral). Un radiólogo verificó los límites de los nódulos pulmonares y los ajustó manualmente si era necesario. Cabe destacar que se deben extirpar las partes que cruzan la pleura interlobar, la pared torácica y el mediastino (33). Obtuvimos el PTV restando los dos valores. Para asegurarnos de que el PTV no contuviera ningún componente GTV, agregamos específicamente 1 mm a la región del GTV (PTV = GPTV-(GTV + 1 mm)).
Para evaluar la solidez de los métodos de segmentación intratumoral y peritumoral, se seleccionaron 30 pacientes al azar y dos radiólogos jóvenes realizaron la segmentación en sus ROI dos veces, con un intervalo de 2 meses entre sesiones, para obtener coeficientes de correlación intraclase (CCI).
Características radiológicas
Las imágenes se remuestrearon utilizando interpolación lineal para lograr un tamaño de vóxel uniforme de 1 × 1 × 1 mm3 en las tres direcciones anatómicas (34), y la escala de grises de la imagen se discretizó a 25 escalas de grises. Utilizamos PyRadiomics para extraer características de GPV y PTV segmentados (35). Para cada región, se obtuvieron 14 características de forma (3D), 18 características de primer orden, 24 características de matriz de coocurrencia de niveles de gris (GLCM), 16 características de matriz de longitud de ejecución de niveles de gris (GLRLM), 16 características de matriz de zona de tamaño de niveles de gris (GLSZM), 14 características de matriz de dependencia de niveles de gris (GLDM) y 5 características de matriz de diferencia de tonos de gris vecina (NGTDM). Para cada región GTV y PTV, se extrajeron 1595 características radiómicas de las imágenes. En el Apéndice se proporciona una lista detallada de las características extraídas y los parámetros utilizados en el preprocesamiento de imágenes de TC y la extracción de características. E3….
