Predicting brain tumour enhancement from non-contrast MR imaging with artificial intelligence: a multi-cohort retrospective diagnostic accuracy study

Resumen Técnico: Predicción del realce de tumores cerebrales mediante RM sin contraste con Inteligencia Artificial

Planteamiento del problema
El diagnóstico por imagen neurooncológico estándar depende de agentes de contraste basados en gadolinio para identificar el realce tumoral, una característica crítica para el diagnóstico y la vigilancia. Sin embargo, la administración de contraste no siempre es factible debido a contraindicaciones (insuficiencia renal, alergia), el rechazo del paciente o el deseo de minimizar la exposición acumulada, particularmente en pacientes pediátricos y en escenarios de seguimiento frecuente. Además, el impacto ambiental global de la eliminación del gadolinio es significativo. Si bien estudios previos han explorado la reducción de la dosis de gadolinio o la síntesis de imágenes de contraste, existe una falta de evidencia heterogénea a gran escala que demuestre que el aprendizaje profundo puede predecir con precisión la presencia y la ubicación de tumores con realce utilizando únicamente secuencias de RM sin contraste. La literatura existente se limita en gran medida a cohortes de adultos de una sola institución y predominantemente de gliomas, con tamaños de muestra modestos.

Metodología
Este estudio de precisión diagnóstica retrospectivo de cohortes múltiples desarrolló y validó modelos de aprendizaje profundo para segmentar y detectar tumores cerebrales con realce utilizando únicamente secuencias ponderadas en T1 (T1w), T2 (T2w) y T2/Fluid-Attenuated Inversion Recovery (T2/FLAIR) sin contraste.

• Datos: El estudio utilizó 11.089 sesiones de imagen de 8.548 pacientes únicos de 10 conjuntos de datos internacionales que abarcan 4 países (Reino Unido, EE. UU., Países Bajos, Nigeria) y tres continentes. Los datos fueron adquiridos entre 2006 y 2024 en diversas intensidades de campo (1.5T y 3T) y fabricantes.
• Desarrollo del modelo: Se entrenaron tres arquitecturas de aprendizaje profundo 3D multimodales totalmente volumétricas: nnU-Net (v2), SegResNet y SwinUNETR. Los modelos fueron entrenados para segmentar cuatro clases: fondo, parénquima cerebral normal, tejido anormal sin realce y enfermedad neurooncológica con realce. Crucialmente, la verdad de campo (ground truth) para la clase de "realce" se derivó de conjuntos de datos completos que incluían secuencias T1 ponderadas tras la administración de contraste (T1CE), pero las entradas del modelo se restringieron estrictamente a secuencias sin contraste.
• Estrategia de entrenamiento: Una división aleatoria a nivel de paciente asignó el 90% de los pacientes al entrenamiento y el 10% a un conjunto de prueba reservado. No se aplicó armonización de sitios o escáneres para asegurar que el modelo aprendiera de la heterogeneidad de la adquisición en lugar de ser protegido de ella.
• Métricas de evaluación: El rendimiento se evaluó mediante métricas a nivel de vóxel (coeficiente Dice, precisión, sensibilidad, F1) y métricas a nivel de paciente (exactitud equilibrada, sensibilidad, especificidad). Se definieron umbrales clínicos para el éxito de la detección: Dice ≥ 0.3 (aceptable), ≥ 0.5 (bueno) y ≥ 0.7 (excelente).
• Referencia humana: Once radiólogos expertos, con conocimiento ciego de la historia clínica y las imágenes previas, realizaron la predicción de la presencia de realce en un subconjunto de 564 casos únicos del conjunto de prueba utilizando únicamente imágenes sin contraste. Su rendimiento se comparó con las predicciones del modelo.
• Evaluación de equidad: El estudio incluyó una evaluación granular de equidad entre subgrupos definidos por patología, país de origen, edad y sexo, adhiriéndose a las directrices SAGER.

Resultados clave

• Rendimiento del modelo: La arquitectura nnU-Net superó a SegResNet y SwinUNETR. En el conjunto de prueba reservado (n=1.109), nnU-Net logró una exactitud equilibrada del 83.0% (IC 95% 79.1–87.2) para la detección de realce a nivel de paciente, con una sensibilidad del 91.5% y una especificidad del 74.4%.
• Calidad de la segmentación: Para los 992 casos con realce, el 76.8% alcanzó un coeficiente Dice ≥ 0.3, el 67.5% alcanzó ≥ 0.5 y el 50.2% alcanzó ≥ 0.7. El modelo demostró una fuerte correlación (R² = 0.859) entre los volúmenes de realce predichos y la verdad de campo.
• Comparación con radiólogos: En una comparación ciega en 564 casos emparejados, el modelo superó al panel de radiólogos. El modelo logró una exactitud equilibrada del 83.3% (frente al 71.7% de la mayoría de votos de los radiólogos). El modelo identificó correctamente 109 casos que los radiólogos pasaron por alto, mientras que los radiólogos identificaron solo 14 casos que el modelo omitió (prueba exacta de McNemar, p < 0.0001).
• Análisis de subgrupos: El rendimiento fue generalmente robusto a través de patologías y países, pero fue menor en subgrupos específicos. Los casos pediátricos mostraron el desempeño más débil (exactitud equilibrada 73.9%, tasa de éxito de Dice ≥ 0.3 del 45%), seguidos de los casos de glioma postoperatorio. El rendimiento del modelo varió con el tamaño de la lesión; las tasas de detección para lesiones <0.5 cm³ fueron de aproximadamente el 50%, mientras que las lesiones ≥2 cm³ se detectaron en más del 90% de las veces.
• Análisis de fallos: Entre los 260 casos que no alcanzaron el umbral de detección aceptable (Dice < 0.3), las causas principales fueron el volumen pequeño de la lesión (<0.5 cm³, 40.4%) y patrones de realce atípicos (38.5%).

Significación y afirmaciones
Los autores afirman que este estudio representa la evaluación más grande y heterogénea de la predicción del realce de contraste a partir de la RM cerebral sin contraste hasta la fecha. Su principal significación radica en demostrar que los modelos de aprendizaje profundo pueden identificar y delimitar la enfermedad intracraneal con realce a partir de imágenes sin contraste por sí solas con una mayor precisión que los radiólogos expertos realizando la misma tarea novedosa y no estandarizada.

El artículo posiciona a estos modelos no como un reemplazo completo de la RM con contraste, sino como un triaje o apoyo a la decisión. La utilidad clínica propuesta consiste en utilizar el modelo para señalar estudios donde es probable que haya realce, lo que motivaría la adición de contraste a un protocolo que originalmente era solo sin contraste para evitar una segunda visita al hospital, o permitir que los estudios con predicción de ausencia de realce procedan sin gadolinio en contextos específicos (por ejemplo, insuficiencia renal, vigilancia pediátrica). El estudio enfatiza que, si bien el rendimiento actual es insuficiente para eliminar el contraste por completo —particularmente para lesiones pequeñas y poblaciones pediátricas—, establece una vía viable para reducir la dependencia del gadolinio en la neuroimagen oncológica. El trabajo también destaca la importancia de la evaluación de la equidad, revelando las limitaciones actuales en las poblaciones pediátricas que requieren futuros datos y refinamiento algorítmico.