Machine Learning Integration of Lymphovascular Space Invasion, Ki-67 Index, and Immunohistochemical Profiles for Preoperative Lymph Node Metastasis Prediction in Endometrial Cancer

Resumen Técnico: Integración de Aprendizaje Automático para la Predicción Preoperatoria de Metástasis en Ganglios Linfáticos en el Cáncer de Endometrio

Planteamiento del Problema
El cáncer de endometrio (CE) es una neoplasia ginecológica líder. La predicción precisa de la metástasis en los ganglios linfáticos (MGL) de forma preoperatoria es crítica para la toma de decisiones quirúrgicas individualizadas, específicamente para evitar el sobretratamiento y las complicaciones asociadas (p. ej., linfedema, obstrucción intestinal) de la disección de ganglios linfáticos sistemática no selectiva en pacientes de bajo riesgo. Los modelos de predicción clínica actuales suelen basarse en indicadores patológicos postoperatorios (p. ej., grado tumoral, profundidad de la invasión) o datos genómicos complejos, lo que crea una desconexión fundamental donde "los indicadores postoperatorios guían las decisiones preoperatorias". Además, los modelos existentes frecuentemente omiten marcadores pronósticos clave como el Ki-67 o no integran de manera exhaustiva los perfiles serológicos e inmunohistoquímicos de rutina disponibles antes de la cirugía.

Metodología
Este estudio empleó un diseño retrospectivo analizando a 594 pacientes con carcinoma de endometrio tratadas en el Hospital General de Hainan entre octubre de 2019 y octubre de 2025.

• Recolección de Datos: Las variables incluyeron datos clínicos basales, marcadores serológicos preoperatorios (AFP, CEA, CA125, CA19-9, CA72-4, etc.), indicadores patológicos postoperatorios (invasión miometrial, LVSI, tamaño del tumor, etc.) y perfiles inmunohistoquímicos (p53, ER, PR, Ki-67, proteínas MMR).
• Selección de Características: Se utilizó la regresión de Penalización y Selección de Operador de Estancamiento Absoluto (LASSO) para filtrar variables y prevenir el sobreajuste. Este proceso identificó siete predictores clave.
• Construcción del Modelo: Se construyeron y compararon cuatro algoritmos de aprendizaje automático: Regresión Logística (LR), Bosque Aleatorio (RF), Máquina de Vectores de Soporte (SVM) y XGBoost.
• Estrategia de Validación: El conjunto de datos se dividió en un grupo de desarrollo (n=416, 70%) y un grupo de prueba (n=178, 30%). El rendimiento del modelo se evaluó mediante el Área Bajo la Curva Característica de Recepción de la Operadora (AUC), sensibilidad, especificidad, curvas de calibración y Análisis de la Curva de Decisión (DCA).
• Verificaciones de Robustez: Se realizaron análisis de subgrupos a través de diversas características clínicas. Se llevó a cabo un análisis de sensibilidad excluyendo los casos con mutación de p53 para evaluar la estabilidad del modelo.

Contribuciones Clave

1. Enfoque Preoperatorio: El estudio desarrolló un modelo de predicción utilizando exclusivamente indicadores disponibles de forma preoperatoria, abordando la limitación de los modelos que dependen de datos postoperatorios.
2. Integración Multimodal: El modelo integra sistemáticamente parámetros patológicos de rutina (LVSI), marcadores inmunohistoquímicos (PR) y biomarcadores serológicos (CA19-9, CA72-4). Aunque se evaluó el Ki-67, este no fue retenido como un predictor independiente en el modelo multivariante final.
3. Comparación Algorítmica: La investigación proporciona un análisis comparativo de modelos de aprendizaje automático simples (Regresión Logística) frente a complejos (RF, XGBoost, SVM), demostrando que los modelos más simples pueden ofrecer una mejor generalización en conjuntos de datos médicos con tamaños de muestra limitados.
4. Evaluación de la Utilidad Clínica: Más allá de las métricas estadísticas, el estudio emplea el Análisis de la Curva de Decisión para cuantificar el beneficio clínico neto, asegurando la aplicabilidad práctica del modelo en la toma de decisiones.

Resultados

• Predictores: La regresión LASSO identificó siete predictores independientes: CA19-9 preoperatorio, CA72-4, invasión miometrial ≥1/2, número total de ganglios linfáticos extraídos, LVSI, expresión de PR y CA125 preoperatorio. Notablemente, aunque el CEA fue significativo en el análisis univariante, no mantuvo significancia predictiva independiente en el análisis multivariante y no formó parte de las siete variables finales seleccionadas por LASSO.
• Rendimiento del Modelo: En el conjunto de prueba independiente, el modelo de Regresión Logística demostró un rendimiento superior con un AUC de 0.863 (IC 95%: 0.788–0.938), una sensibilidad de 0.842 y una especificidad de 0.761.
  • Este superó al modelo de Bosque Aleatorio (AUC = 0.848), XGBoost (AUC = 0.839) y SVM (AUC = 0.635).
  • El modelo de Regresión Logística también superó los puntos de referencia establecidos: el sistema ENDORISK (AUC = 0.820) y el sistema de estratificación de Yang (AUC = 0.845).
• Importancia de las Características: El LVSI fue identificado como la característica más crítica, seguido por el número total de ganglios linfáticos disecados, la expresión de PR y el CA19-9 preoperatorio.
• Robustez: El análisis de subgrupos confirmó un rendimiento constante (AUC ≥ 0.8) en varios subgrupos de menopausia, LVSI y estadios FIGO. Tras excluir los casos con mutación de p53, el AUC del conjunto de prueba se mantuvo estable en 0.817.
• Utilidad Clínica: El Análisis de la Curva de Decisión indicó que el modelo proporciona un beneficio clínico neto significativo sobre las estrategias de "tratar a todos" o "no tratar a nadie" dentro de umbrales de probabilidad de 0.02 a 0.60.

Significancia y Reivindicaciones
Los autores afirman que un modelo de regresión logística basado en indicadores preoperatorios de rutina puede predecir eficazmente la metástasis en los ganglios linfáticos en el cáncer de endometrio. El estudio postula que:

• Simplicidad vs. Complejidad: En conjuntos de datos médicos con muestras limitadas, aumentar la complejidad del modelo no necesariamente mejora el rendimiento predictivo y puede conducir al sobreajuste. El modelo de Regresión Logística, más simple, demostró una mejor generalización que los métodos de ensamble complejos.
• Rentabilidad: El modelo ofrece una herramienta económica y accesible para la toma de decisiones preoperatorias, adecuada para instituciones médicas de todos los niveles, sin requerir secuenciación genómica costosa o datos postoperatorios.
• Utilidad de Nuevos Marcadores: El estudio destaca el valor predictivo independiente de CA19-9 y CA72-4 preoperatorios, sugiriendo que pueden identificar subgrupos agresivos propensos a la metástasis linfática temprana, potencialmente superando al CA125 en contextos específicos.
• Traslación Clínica: Al depender únicamente de datos preoperatorios, el modelo resuelve la paradoja de "lo postoperatorio guía a lo preoperatorio", proporcionando una base fiable para la planificación quirúrgica personalizada.

El artículo concluye que, si bien el modelo muestra una alta precisión predictiva y robustez, el trabajo futuro debería centrarse en la validación prospectiva multicéntrica y en el desarrollo de nomogramas fáciles de usar o calculadoras en línea para facilitar su adopción clínica.