Dosiomics-based prediction of late genitourinary toxicity after Cyberknife for prostate cancer: a SHAP-explainable machine learning approach

Resumen Técnico: Predicción de la toxicidad genitourinaria tardía mediante dosiómica tras CyberKnife para el cáncer de próstata

Planteamiento del problema
El cáncer de próstata (CPa) se trata frecuentemente con radioterapia corporal estereotáctica (SBRT), particularmente utilizando la plataforma CyberKnife (CK), que ofrece una alta conformidad y gradientes de dosis pronunciados. Si bien la SBRT proporciona un excelente control bioquímico, la toxicidad genitourinaria (GU) tardía sigue siendo una preocupación clínica significativa que puede afectar la calidad de vida. Los modelos predictivos tradicionales suelen basarse en histogramas dosis-volumen (DVH), los cuales pueden fallar al capturar la compleja heterogeneidad espacial y las interacciones dosis-anatomía inherentes a los planes de CK. Existe la necesidad de herramientas predictivas que puedan identificar a pacientes en riesgo de toxicidad tardía (inicio >6 meses, grado >1) aprovechando la información espacial completa de la distribución de la dosis, proporcionando además información interpretable para guiar la planificación del tratamiento.

Metodología
El estudio empleó un análisis retrospectivo de 87 pacientes con adenocarcinoma prostático localizado tratados con SBRT mediante CK (35–36.25 Gy en cinco fracciones). El flujo de trabajo integró dosiómica, aprendizaje automático (machine learning) e IA explicable (XAI):

1. Extracción de datos: Se utilizaron archivos DICOM RTDOSE y RTSTRUCT para extraer características dosiómicas de cinco regiones de interés (ROI): próstata, volumen de planificación de la diana (PTV), vejiga, recto y bulbo peneano. Utilizando PyRadiomics, se extrajeron 76 características por cada ROI, categorizadas en descriptores de forma/geometría, estadísticas de primer orden y características de textura (GLCM y GLRLM), resultando en un total de 380 características iniciales.
2. Selección de características: Se aplicó un riguroso proceso de filtrado al conjunto de entrenamiento (80% de los pacientes). Este incluyó:
   • Eliminación de características altamente colineales (correlación de Pearson $|\rho| > 0.95$).
   • Exclusión de características cuasi-constantes (Coeficiente de Variación < 0.05).
   • Regresión LASSO (Least Absolute Shrinkage and Selection Operator) para seleccionar un subconjunto disperso de predictores.
   • Este proceso redujo el espacio de características aproximadamente en un 95%, reteniendo 20 predictores.
3. Desarrollo del modelo: Se entrenó un clasificador XGBoost (Extreme Gradient Boosting) para predecir el desenlace binario de la toxicidad GU tardía. El modelo utilizó validación cruzada de k-pliegues sensible a grupos (GroupKFold) para asegurar la independencia a nivel de paciente. El desequilibrio de clases se abordó mediante el parámetro scale_pos_weight en lugar de un sobremuestreo sintético.
4. Explicabilidad: Se emplearon las explicaciones de Shapley Additive Explanations (SHAP) para interpretar el modelo. Esto incluyó un análisis global (clasificación de la importancia de las características mediante valores absolos medios de SHAP) y un análisis local (descomposición de las predicciones individuales de los pacientes para identificar impulsores de riesgo específicos).

Resultados clave

• Incidencia: La toxicidad GU tardía (grado >1, >6 meses) ocurrió en el 17.24% de la cohorte.
• Desempeño: En un conjunto de prueba independiente (20% de los pacientes), el modelo alcanzó un ROC-AUC medio de 0.85 ± 0.10 (IC 95%: 0.60–1.00) y una precisión de 0.88 ± 0.04 (IC 95%: 0.83–0.94).
• Métricas específicas de clase: El modelo demostró una alta especificidad y una recuperación (recall) perfecta para la clase negativa (ausencia de toxicidad). Sin embargo, la sensibilidad para la clase minoritaria positiva (toxicidad) fue menor (0.33), lo que resultó en un F1-score de 0.50. Los autores señalan que esto es consistente con el desafío de detectar eventos raros en cohortes pequeñas y desequilibradas, aunque la alta precisión (1.00) sugiere que las predicciones positivas son fiables.
• Interpretabilidad: El análisis SHAP identificó un conjunto compacto de predictores plausibles:
  • Geometría anatómica: El diámetro máximo 2D de la vejiga (dirección de la fila) fue la característica más influyente; las dimensiones mayores se correlacionaron con un mayor riesgo. Una mayor planitud de la próstata se asoció con un menor riesgo, mientras que un eje mayor del recto más largo aumentó el riesgo.
  • Patrones de dosis: Una mayor no uniformidad de la longitud de carrera normalizada de GLRLM en la vejiga (que indica patrones de dosis fragmentados y heterogéneos) aumentó el riesgo. Por el contrario, un menor Rango Intercuartílico (IQR) de primer orden intraprostático se asoció con un mayor riesgo, lo que sugiere que una menor variabilidad de la dosis dentro del objetivo podría reflejar configuraciones de SBRT menos óptimas.

Significancia y afirmaciones
Los autores posicionan este estudio como uno de los primeros en investigar específicamente un modelo predictivo basado en dosiómica para la toxicidad GU tardía en el contexto de SBRT con CyberKnife para el cáncer de próstata. La significancia principal radica en la combinación de:

1. Capacidad predictiva: Demostrar que las características dosiómicas (que capturan la heterogeneidad de la dosis y la organización espacial) pueden discriminar los resultados de toxicidad GU tardía mejor de lo que los enfoques tradicionales basados únicamente en DVH podrían sugerir.
2. Interpretabilidad clínica: Ir más allá de las predicciones de "caja negra" mediante el uso de SHAP para proporcionar impulsores de riesgo clínicamente interpretables. El estudio identifica que tanto la geometría de los órganos (por ejemplo, la distensión de la vejiga) como la heterogeneidad del patrón de dosis (por ejemplo, la dosis fragmentada en la vejiga) son factores críticos.
3. Integración del flujo de trabajo: Proponer un marco que soporte la estratificación de riesgo transparente y la posible optimización de la planificación.

Limitaciones y direcciones futuras
El artículo mantiene un tono modesto respecto a sus afirmaciones, reconociendo explícitamente las limitaciones:

• Tamaño de la muestra: La pequeña cohorte (87 pacientes) y la baja prevalencia del desenlace limitan el poder estadístico y aumentan el riesgo de sobreajuste (overfitting) residual.
• Generalizabilidad: Al ser un estudio de una sola institución, las variaciones en la imagen, la delimitación y la planificación entre centros pueden afectar la transportabilidad del modelo.
• Sensibilidad: La menor sensibilidad para la clase de toxicidad indica la necesidad de conjuntos de datos más grandes para mejorar la detección de eventos adversos poco frecuentes.

En consecuencia, los autores concluyen que, si bien los resultados son alentadores, se requiere la validación multicéntrica en conjuntos de datos más grandes para confirmar la generalizabilidad antes de su adopción clínica. No afirman que el modelo esté listo para su despliegue clínico inmediato, sino que sirve como una prueba de concepto para un enfoque de personalización del tratamiento basado en dosiómica y explicable.