Development and Validation of a Nomogram Integrating Multimodal Ultrasound and Radiomics for Differentiating Granulomatous Mastitis from Invasive Ductal Carcinoma

En el panorama de la salud mamaria, dos condiciones muy diferentes suelen verse idénticas en un escaneo. Una es el carcinoma ductal invasivo, una forma común y grave de cáncer de mama que requiere tratamiento inmediato. La otra es la mastitis granulomatosa, una enfermedad inflamatoria rara y benigna que imita la apariencia del cáncer pero no es potencialmente mortal. Para los médicos, este solapamiento visual crea un dilema difícil. Cuando una paciente presenta un bulto sospechoso, el camino estándar es realizar una biopsia, un procedimiento que implica la toma de una muestra de tejido con una aguja. Si bien esta es la única forma de estar seguro, es un paso invasivo que muchas pacientes preferirían evitar si el bulto resulta ser inofensivo. El desafío radica en encontrar una manera de distinguir estas dos condiciones antes de que la aguja toque la piel, utilizando únicamente las imágenes capturadas por las máquinas de ultrasonido.

El ultrasonido ha sido durante mucho tiempo la herramienta principal para examinar el tejido mamario, particularmente para las mujeres en Asia. Utiliza ondas sonoras para crear imágenes del interior del cuerpo, mostrando la forma, el tamaño y la textura de cualquier bulto. En años recientes, los médicos han añadido más capas a esta tecnología. Ahora utilizan el Doppler color para ver cómo fluye la sangre a través de una lesión y la elastografía para medir qué tan rígido o blando se siente el tejido al ser presionado. Estas adiciones proporcionan una imagen más rica, pero incluso con estas herramientas avanzadas, distinguir entre el mímico inflamatorio y el tumor maligno sigue siendo un obstáculo clínico significativo. A veces las imágenes son tan similares que un médico no puede estar seguro, lo que conduce a un "área gris" donde el consejo médico más seguro es biopsiar todo, lo que resulta en muchos procedimientos innecesarios.

Un equipo de investigadores de hospitales en Hangzhou, China, se propuso resolver este problema específico combinando la observación humana con el análisis computarizado. Recopilaron imágenes de ultrasonido y registros de pacientes de 460 mujeres que ya habían sido diagnosticadas con mastitis granulomatosa o carcinoma ductal invasivo mediante cirugía o biopsia. Los investigadores dividieron a estas pacientes en dos grupos: un grupo más grande utilizado para enseñar a un sistema informático qué buscar, y un grupo más pequeño y separado para probar si el sistema podía hacer predicciones precisas en casos nuevos y no vistos. El objetivo era construir una herramienta cuantitativa que pudiera ponderar múltiples factores en conjunto para dar una probabilidad precisa de si un bulto era canceroso.

Los investigadores comenzaron entrenando a una computadora para analizar las imágenes de ultrasonido en bruto píxel por píxel. Este proceso, conocido como radiómica, extrae cientos de detalles diminutos de la imagen que son demasiado sutiles para el ojo humano, como los patrones específicos de gris y negro dentro del bulto. La computadora calculó una puntuación basada en estas texturas ocultas. Al mismo tiempo, el equipo registró detalles clínicos estándar, como la edad de la paciente, y características específicas observadas en el ultrasonido, como la forma del bulto, la claridad de sus bordes, si contenía depósitos de calcio y qué tan rígido se sentía bajo presión. Luego utilizaron métodos estadísticos para determinar cuáles de estos factores eran los más poderosos para distinguir las dos enfermedades.

El análisis reveló que seis factores específicos eran los predictores más fiables. Estos incluían la edad de la paciente, la forma de la lesión, la naturaleza de sus márgenes, la presencia de calcificaciones, la puntuación de rigidez de la elastografía y la puntuación de textura generada por la computadora. Curiosamente, aunque el análisis de textura de la computadora era útil por sí solo, no era tan preciso como las características observadas por el humano. Sin embargo, cuando la puntuación de la computadora se combinó con las observaciones humanas, el resultado fue una herramienta de diagnóstico altamente precisa. Los investigadores convirtieron esta combinación de seis factores en un gráfico visual llamado nomograma. Este gráfico permite a un médico simplemente mirar los detalles específicos de una paciente, encontrar los puntos correspondientes para cada factor, sumarlos y leer un porcentaje final que representa la probabilidad de que la paciente tenga cáncer.

Cuando los investigadores probaron esta nueva herramienta en el grupo de pacientes que no habían utilizado para el entrenamiento, los resultados fueron sorprendentes. La herramienta identificó correctamente el 99 por ciento de los casos de cáncer e identificó correctamente el 83 por ciento de los casos benignos. En el mundo de los diagnósticos médicos, este nivel de precisión es excepcional. La herramienta funcionó mejor que el uso de las características del ultrasonido por sí solas y mucho mejor que el análisis de textura de la computadora por sí solo. Los investigadores encontraron que las pistas más críticas eran a menudo los bordes del bulto y la presencia de calcio. Los bultos cancerosos tendían a tener bordes irregulares y mal definidos, y tenían más probabilidades de contener depósitos de calcio, mientras que los bultos inflamatorios benignos a menudo tenían límites más suaves y carecían de estos depósitos. La rigidez del tejido también desempeñó un papel importante, ya que el tejido canceroso generalmente se sentía mucho más duro que el tejido inflamatorio.

El estudio destaca que, si bien el análisis computarizado de las texturas de la imagen es una adición poderosa, funciona mejor cuando apoya, en lugar de reemplazar, la observación cuidadosa de un ecografista experto. La herramienta final no requiere una supercomputadora para ser utilizada; es un sistema de puntuación simple que puede aplicarse a la cabecera del paciente. Al proporcionar una probabilidad numérica clara, la herramienta ayuda a los médicos a tomar decisiones más confiantes. Si el riesgo calculado es bajo, un médico podría sentirse cómodo monitoreando de cerca a la paciente en lugar de ordenar inmediatamente una biopsia. Si el riesgo es alto, la herramienta proporciona evidencia sólida para proceder con la intervención.

Los autores advierten cuidadosamente que esta herramienta no es un reemplazo para el juicio de un médico, ni es una respuesta final para cada paciente. Está diseñada específicamente para esos casos difíciles donde las imágenes de ultrasonido no son claras. Debido a que el estudio se realizó en un solo hospital utilizando datos del pasado, los investigadores reconocen que la herramienta necesita ser probada en otros hospitales y con diferentes máquinas para asegurar que funcione universalmente. También planean refinar el método utilizando programas computarizados automatizados para delinear los bultos, lo que eliminaría las pequeñas variaciones que ocurren cuando diferentes médicos dibujan los límites a mano. Hasta que se completen estos estudios futuros, este nuevo sistema de puntuación se mantiene como un paso prometedor, ofreciendo una forma de reducir las biopsias innecesarias y traer claridad a un rincón confuso de la salud mamaria.