Integration of Hematoma Volume and Density Heterogeneity via the Harmonic Mean Is Associated With Improved Early Prediction of Hematoma Progression in Frontal Lobe Contusion: A Multicenter Retrospective Cohort Study

Resumen Técnico: Integración del Volumen y la Heterogeneidad de Densidad mediante la Media Armónica para la Predicción Temprana de la Progresión de Hematomas en la Contusión del Lóbulo Frontal

1. Planteamiento del Problema

La contusión del lóbulo frontal (CLF) es una lesión común y altamente heterogénea tras un traumatismo craneoencefálico (TCE). Un desafío clínico crítico es la identificación temprana de pacientes en riesgo de progresión de hematoma (PH), definida como un aumento $\ge 25\%$ en el volumen del hematoma dentro de las 72 horas posteriores a la lesión. La PH está fuertemente asociada con el deterioro neurológico secundario, la elevación de la presión intracraneal y resultados clínicos deficientes.

La evaluación clínica actual depende en gran medida de signos cualitativos en la TC y de la experiencia del cirujano, los cuales sufren de una baja concordancia interobservador debido al aspecto de "sal y pimienta" de las CLF. Aunque existen métricas cuantitativas, estas presentan limitaciones cuando se utilizan de forma aislada:

• Volumen Basal del Hematoma ($V$): Refleja la carga espacial, pero no indica si el interior de la lesión se encuentra en un estado de sangrado activo o de coagulación inestable.
• Coeficiente de Variación de la Densidad (CVD): Cuantifica la heterogeneidad de la densidad interna (un marcador de sangrado mixto antiguo/nuevo), pero es un indicador relativo que ignora el tamaño físico absoluto de la lesión.

El estudio postula que ninguna dimensión por sí sola es suficiente para caracterizar el riesgo de progresión temprana y que se necesita un índice integrado y matemáticamente fundamentado para capturar la configuración conjunta del tamaño de la lesión y la inestabilidad de la densidad.

2. Metodología

Diseño del Estudio y Cohortes
Se trata de un estudio de cohorte retrospectivo multicéntrico que sigue las directrices TRIPOD+AI.

• Cohorte de Desarrollo: 341 pacientes con CLF del Hospital General de la Universidad Médica de Ningxia (agosto 2020 – octubre 2025).
• Cohorte de Validación Externa: 273 pacientes del Segundo Hospital Afiliado de la Escuela Médica de Hengyang, Universidad del Sur de China (enero 2020 – diciembre 2025).
• Criterios de Inclusión: TC sin contraste (NCCT) de emergencia que confirme CLF, primera NCCT dentro de las 6 horas del traumatismo, NCCT de seguimiento dentro de las 72 horas, GCS $\ge 9$ y datos completos.
• Criterios de Exclusión: Cirugía de emergencia inmediata, GCS $< 9$ o falta de datos.

Procesamiento de Datos e Ingeniería de Características

• Segmentación: El volumen basal del hematoma ($V$) y las estadísticas de densidad (Media, Desviación Estándar $SD$) se extrajeron utilizando 3ের Slicer (v5.8.1) por dos neurocirujanos con $> 5$ años de experiencia.
• Coeficiente de Variación de la Densidad (CVD): Calculado como $CVD = SD / Media$.
• Índice de Integración Volumen-Densidad (IIVD): Un nuevo marcador compuesto construido utilizando la media armónica del volumen basal ($V$) y el CVD:
  $$IIVD = \frac{2}{(1/V) + (1/CVD)}$$
  Se eligió la media armónica porque es sensible a los valores menores; por lo tanto, un valor bajo tanto en el volumen como en la heterogeneidad suprime significativamente el índice general. Esto se alinea con la fisiopatología de que las lesiones de alto riesgo requieren tanto una cierta escala espacial como una densidad interna significativa.
• Covariables: Las variables clínicas incluyeron GCS, edad y marcadores de laboratorio (SIRI, LMR, recuento de eosinófilos, glucosa en sangre, albúmina).

Desarrollo del Modelo
Se construyeron y compararon cuatro modelos de regresión logística:

1. Solo IIVD: IIVD estandarizado únicamente.
2. Modelo 1 (Componente Bruto): Incluyó $V$ bruta, CVD y variables clínicas/de laboratorio.
3. Modelo 2 (IIVD Integrado): Reemplazó $V$ bruta y CVD con el IIVD estandarizado, manteniendo otras variables clínicas.
4. Modelo 3 (Extendido): Modelo 2 + glucosa en sangre + albúmina.

Análisis Estadístico

• Selección de Variables: Regresión LASSO con validación cruzada de 10 pliegues y el algoritmo Boruta.
• Métricas de Desempeño: Área Bajo la Curva (AUC) con prueba de DeLong para comparación (umbral corregido por Bonferroni $P < 0.0083$), calibración (puntuación de Brier, curvas de calibración), Análisis de Curva de Decisión (DCA) y Mejora de la Discriminación Integrada (IDI).
• Validación: Validación interna por bootstrap y validación externa en la cohorte independiente.
• No linealidad: Se utilizó el análisis de Spline Cúbico Restringido (RCS) para evaluar la relación entre el IIVD y el riesgo de PH.

3. Resultados Clave

Demografía y Línea Base
La cohorte de desarrollo tuvo una tasa de PH del 29.0% (entrenamiento) y 28.3% (prueba), mientras que la cohorte de validación externa tuvo una tasa del 21.0%. La cohorte externa era significativamente mayor, presentaba puntuaciones de GCS más bajas y valores de IIVD bruto más altos, lo que indica una heterogeneidad poblacional adecuada para probar la generalizabilidad.

Desempeño Discriminativo

• Indicadores Únicos: En el conjunto de prueba, el IIVD solo (AUC 0.745) superó significativamente al Volumen solo (AUC 0.514) y al CVD solo (AUC 0.659).
• Comparación de Modelos (Validación Externa):
  • El Modelo 2 (IIVD Integrado) alcanzó un AUC de 0.763 (95% CI: 0.698–0.824).
  • El Modelo 1 (Componentes Brutos) alcanzó un AUC de 0.699 (95% CI: 0.627–0.769).
  • La mejora del Modelo 2 sobre el Modelo 1 fue estadísticamente significativa ($P < 0.001$).
  • El Modelo 3 (añadiendo glucosa y albúmina) no mejoró significativamente la discriminación respecto al Modelo 2 (AUC 0.758 vs. 0.763, $P = 0.649$).
• Robustez: La validación interna por bootstrap confirmó que el Modelo 2 mantuvo un desempeño superior al Modelo 1 tras la corrección por optimismo.

Análisis Multivariable y Asociaciones

• Predictor Independiente: Un IIVD estandarizado más bajo se asoció independientemente con un mayor riesgo de PH (OR 0.425, 95% CI: 0.269–0.671, $P < 0.001$).
• No Linealidad: El análisis RCS reveló una asociación no lineal significativa ($P$ para no linealidad = 0.0007). El riesgo de PH disminuyó a medida que el IIVD aumentó, con una reducción de riesgo más pronunciada en el rango inferior de IIVD.
• Análisis de Subgrupos: El valor predictivo del IIVD fue más fuerte en pacientes con lesiones de pequeño volumen (OR 0.26) en comparación con lesiones de gran volumen (OR 0.58), con una interacción significativa ($P = 0.005$).

Calibración y Utilidad Clínica

• El Modelo 2 demostró una mejor calibración (menor puntuación de Brier) y un mayor beneficio neto en el Análisis de Curva de Decisión en comparación con el Modelo 1 en el conjunto de validación externa.
• Se desarrolló un nomograma basado en el Modelo 2 para facilitar la predicción de riesgo personalizada.

4. Contribuciones Clave

1. Nuevo Marcador de Imagen: Introducción del Índice de Integración Volumen-Densidad (IIVD), un marcador compuesto basado en la media armónica que integra matemáticamente el volumen de la lesión y la heterogeneidad de la densidad.
2. Poder Predictivo Superior: Demostración de que el IIVD proporciona una mejor discriminación para la progresión temprana del hematoma que el volumen o la heterogeneidad por sí solos, y que reemplazar los componentes brutos con el IIVD mejora la generalizabilidad del modelo en la validación externa.
3. Estratificación Clínica: Identificación de que el IIVD es particularmente efectivo para estratificar el riesgo en lesiones de pequeño volumen, un grupo a menudo subestimado en la práctica clínica tradicional.
4. Parsimonia del Modelo: Evidencia de que añadir marcadores metabólicos/inflamatorios sistémicos (glucosa, albúmina) no aportó un valor incremental significativo sobre el modelo de imagen basado en IIVD, lo que sugiere que las características intrínsecas de la imagen de la lesión son los principales impulsores del riesgo de progresión temprana en este contexto.

5. Significado y Limitaciones (Perspectiva de los Autores)

Los autores sostienen que el IIVD ofrece una nueva herramienta cuantitativa para la estratificación de riesgo temprana en CLF, lo que podría guiar las estrategias de seguimiento por TC y la intensidad de la vigilancia. Al capturar el efecto de "tablero corto" donde tanto el tamaño como la heterogeneidad son necesarios para un alto riesgo, el IIVD aborda las limitaciones de las métricas de una sola dimensión.

Sin embargo, los autores mantienen un tono modesto respecto a la implementación clínica:

• Naturaleza Retrospectiva: El estudio es observacional; los resultados muestran asociación, no causalidad, y no demuestran que el uso del IIVD mejore los resultados de los pacientes.
• Generalizabilidad: El estudio se limitó a dos centros en China con protocolos de escaneo específicos. El desempeño del modelo en otras regiones, sistemas de trauma o con diferentes parámetros de imagen aún no ha sido verificado.
• Restricciones de Flujo de Trabajo: La medición actual requiere segmentación semiautomática y corrección manual, lo que limita su aplicación clínica en tiempo real.
• Sesgo de Definición: La definición de PH (aumento relativo del volumen) puede favorecer inherentemente la detección de la progresión en lesiones más pequeñas, influyendo en la fuerza observada del IIVD en este subgrupo.
• Necesidades Futuras: Los autores enfatizan que se requiere validación prospectiva, flujos de trabajo de medición automatizados y análisis de impacto antes de que el IIVD pueda recomendarse para la toma de decisiones clínicas de rutina.