Clinical and CT radiomics-based differentiation between invasive pulmonary fungal infections and secondary pulmonary tuberculosis

El pulmón humano es un paisaje complejo y, cuando se infecta, el cuerpo suele enviar las mismas señales de socorro independientemente del invasor. Dos enemigos particularmente peligrosos y difíciles de distinguir son las infecciones fúngicas pulmonares invasivas y la tuberculosis pulmonar secundaria. La primera es una invasión fúngica agresiva que prospera en personas con sistemas inmunológicos debilitados, afectando a menudo a quienes se someten a tratamientos médicos a largo plazo o viven con enfermedades graves. La segunda es una reactivación de la bacteria que causa la tuberculosis, la cual puede permanecer latente durante años antes de reaparecer. Ambas afecciones pueden causar fiebre, tos y dificultad para respirar, y cuando los médicos observan una tomografía computarizada (TC) estándar —un rayo X detallado en 3D del tórax—, las imágenes suelen parecer sorprendentemente similares. Ambas enfermedades pueden crear parches nubosos, agujeros en el tejido o masas sólidas que parecen nódulos. Esta confusión visual es peligrosa porque los tratamientos son completamente diferentes: uno requiere potentes fármacos antifúngicos, mientras que el otro necesita antibióticos específicos para las bacterias. Dar la medicina equivocada puede ser fatal, pero distinguir entre ambos suele depender de biopsias invasivas o de esperar días a que los cultivos de laboratorio estén listos, un retraso que deja a los pacientes vulnerables.

Para resolver este problema, un equipo de investigadores de hospitales de China se propuso construir una herramienta digital que pudiera ver lo que el ojo humano pasa por alto. Recopilaron datos de 283 pacientes, divididos en dos grupos: aquellos con infecciones fúngicas confirmadas y aquellos con tuberculosis secundaria. El equipo recopiló los historiales médicos de los pacientes, los resultados de los análisis de sangre y las imágenes reales de la TC tomadas durante su diagnóstico inicial. Luego aplicaron una técnica llamada radiómica, que trata una imagen médica no solo como una foto, sino como una enorme cuadrícula de puntos de datos. Mientras que un radiólogo observa una exploración para ver la forma de una lesión, el software de radiómica mide miles de patrones diminutos e invisibles dentro de esa forma: variaciones en la textura, la densidad y la disposición de los píxeles que son demasiado sutiles para que un humano las note. Los investigadores combinaron estos patrones de imagen ocultos con hechos clínicos específicos, como si el paciente había estado tomando antibióticos de amplio espectro durante mucho tiempo, sus niveles de hemoglobina y su recuento de neutrófilos, un tipo de glóbulo blanco.

Los investigadores construyeron primero un modelo utilizando únicamente la información clínica. Descubrieron que tres factores destacaban como indicadores sólidos de una infección fúngica: un historial de uso de antibióticos a largo plazo, niveles más bajos de hemoglobina y recuentos de neutrófilos más altos. Este modelo clínico era útil, pero no era perfecto. A continuación, construyeron un modelo separado utilizando únicamente los datos de radiómica extraídos de las tomografías computarizadas. Este modelo digital resultó ser mucho más agudo, identificando las infecciones fúngicas con alta precisión al reconocer las huellas dactilares texturales únicas de la enfermedad. Finalmente, fusionaron ambos enfoques en una única herramienta integrada. Este modelo combinado, que pondera tanto el análisis de sangre del paciente como los detalles microscópicos de sus escaneos pulmonares, fue el que mejor funcionó. En las pruebas, distinguió correctamente entre las dos enfermedades aproximadamente el 84 por ciento de las veces en un nuevo grupo de pacientes, lo que representa una mejora significativa respecto al uso de los signos clínicos por sí solos.

La verdadera prueba de esta nueva herramienta llegó cuando los investigadores compararon su rendimiento frente a expertos humanos. Dos radiólogos, uno con más de quince años de experiencia y otro con seis años de experiencia, revisaron las mismas tomografías computarizadas y datos clínicos para realizar sus propios diagnósticos. Aunque el médico experimentado se desempeñó razonablemente bien, el modelo informático superó tanto al radiólogo sénior como al júnior. El estudio sugiere que, si bien los médicos humanos son hábiles para detectar las características obvias de la enfermedad pulmonar, tienen dificultades con las texturas sutiles y superpuestas que definen estas dos infecciones específicas. El modelo digital, sin embargo, no se cansa ni se distrae; mide consistentemente los miles de puntos de datos que definen la verdadera naturaleza de la enfermedad.

Esta investigación no pretende haber encontrado una cura mágica o una solución perfecta que elimine toda incertidumbre. Los autores reconocen que su herramienta fue probada en un grupo específico de pacientes y que las infecciones fúngicas estudiadas incluían tres tipos diferentes, que podrían comportarse de manera ligeramente distinta. También señalan que el método depende de escaneos de alta calidad y datos estandarizados, que pueden variar entre hospitales. Sin embargo, los hallazgos ofrecen un camino concreto hacia adelante. Al proporcionar una segunda opinión objetiva y cuantitativa, este modelo combinado podría ayudar a los médicos a tomar decisiones más rápidas y precisas. Para un paciente que yace en una cama de hospital con una infección pulmonar confusa, esta herramienta representa una forma de atravesar la niebla visual, asegurando que reciba el tratamiento correcto más pronto y evitando los retrasos mortales que conlleva adivinar entre dos enemigos muy similares.