Texture-driven radiomics from longitudinal contrast-enhanced CT predicts short-term immunotherapy response in lung cancer: A retrospective cohort study

En la lucha contra el cáncer de pulmón avanzado, los médicos cuentan con una nueva y poderosa herramienta: fármacos que despiertan al propio sistema inmunitario del paciente para atacar al tumor. Estos tratamientos, conocidos como inhibidores de puntos de control inmunitario, han cambiado el panorama de la atención médica, ofreciendo esperanza donde antes existía poca. Sin embargo, no funcionan para todos. Algunos pacientes ven cómo sus tumores se reducen drásticamente, mientras que otros no ven cambios o incluso experimentan un crecimiento temporal y engañoso que es, en realidad, el sistema inmunitario reuniendo fuerzas. El estándar actual para comprobar si un fármaco está funcionando se basa en medir el tamaño del tumor mediante una tomografía computarizada (TC). Este método, aunque útil, suele ser demasiado lento para captar las señales sutiles y tempranas de éxito o fracaso, y puede ser engañado por la compleja forma en que estos fármacos interactúan con el cuerpo. Los científicos han esperado durante mucho tiempo que el análisis computarizado de imágenes médicas, un campo llamado radiómica, pudiera encontrar patrones ocultos que predigan quién responderá antes de que el tumor cambie de tamaño. Pero los intentos anteriores de utilizar estos modelos informáticos en exploraciones únicas y estáticas han sido inconsistentes, fallando a menudo al intentar separar la verdadera señal biológica del ruido de las diferentes máquinas y técnicas de escaneo.

Un equipo de investigadores de la Universidad de Lanzhou y la Universidad de Cambridge decidió abordar este problema de una manera diferente. En lugar de preguntarse qué podría revelarles una sola imagen de un tumor, se preguntaron qué podría revelar la historia del cambio. Se centraron en pacientes que recibían su primera ronda de inmunoterapia y compararon dos exploraciones: una realizada antes de que comenzara el tratamiento y otra realizada unas semanas después, mientras el tratamiento aún estaba en curso. Al analizar cómo evolucionaba la textura interna del tumor entre estos dos momentos, en lugar de solo cómo era su tamaño, buscaron descubrir una señal más clara de si el fármaco estaba funcionando. Su estudio, que involucró a 156 pacientes, revela que la clave para predecir una respuesta a corto plazo no reside en la apariencia del tumor en un momento único, sino en la forma específica en que su estructura interna se transforma a medida que el sistema inmunitario interactúa con él.

Los investigadores comenzaron recopilando datos de pacientes que habían recibido exploraciones por TC con contraste, las cuales utilizan un tinte especial para resaltar claramente los vasos sanguíneos y los tejidos. Mapearon cuidadosamente los tumores y el tejido inmediatamente circundante, extrayendo miles de detalles numéricos diminutos sobre los patrones de escala de grises dentro de las imágenes. Estos detalles describen la textura del tejido —qué tan rugosa, suave o compleja parece la estructura interna— en lugar de solo su forma o tamaño. Luego construyeron modelos computacionales para ver si estos números podían predecir si un paciente sería un "respondedor", es decir, si su tumor se reduciría o desaparecería, o un "no respondedor".

Los resultados fueron sorprendentes. Cuando el equipo observó únicamente la exploración realizada antes de comenzar el tratamiento, los modelos computacionales estaban esencialmente adivinando. No pudieron distinguir entre los pacientes que eventualmente responderían y aquellos que no lo harían, rindiendo no mejor que el azar. Incluso la información clínica disponible para los médicos, como la edad, el historial de tabaquismo y el fármaco específico utilizado, no logró proporcionar una predicción fiable. Sin embargo, en el momento en que los investigadores observaron el cambio entre la primera exploración y la segunda, el panorama se aclaró. Un modelo basado en la diferencia de textura entre las dos exploraciones predijo con éxito el resultado a corto plazo con una alta precisión. Esto sugiere que el poder predictivo no se encuentra en el estado inicial del tumor, sino en cómo este se transforma bajo la presión del tratamiento.

Crucialmente, el estudio demostró que este éxito fue impulsado por la textura, no simplemente porque el tumor se estuviera haciendo más pequeño. Los investigadores probaron si el modelo era solo una forma sofisticada de medir la reducción, algo que ya se captura mediante las reglas estándar basadas en el tamaño. Descubrieron que, incluso cuando eliminaban todas las mediciones relacionadas con la forma y el tamaño del tumor, el modelo seguía siendo igual de preciso. De hecho, las pistas más importantes fueron los cambios en los patrones internos del tumor, como la disposición de los píxeles que representan la densidad y la organización celular. Esto indica que el sistema inmunitario está alterando el paisaje microscópico del cáncer mucho antes de que el volumen total del tumor cambie lo suficiente como para ser visto por el ojo humano o las herramientas de medición estándar.

El equipo también investigó dónde residía esta señal. Existe la creencia común de que el tejido que rodea al tumor es un campo de batalla crítico para el sistema inmunitario y podría contener las pistas más importantes. Para probar esto, los investigadores analizaron el propio tumor, el tejido inmediatamente alrededor de él y una combinación de ambos. Encontraron que la señal predictiva era más fuerte y fiable cuando observaban únicamente el propio tumor. Añadir el tejido circundante no mejoró la predicción; en algunos casos, solo añadió ruido. Este hallazgo desafía la suposición de que la periferia es siempre el área más informativa, sugiriendo que, para la respuesta a corto plazo, los cambios que ocurren dentro del núcleo del tumor son los más reveladores.

Si bien el modelo fue excelente para predecir si un paciente respondería a corto plazo, su capacidad para predecir la supervivencia a largo plazo fue más limitada. Los investigadores descubrieron que los cambios de textura podían separar modestamente a los pacientes en grupos con diferentes riesgos de progresión de su enfermedad, pero no podía predecir la supervivencia global. Esto se debe probablemente a que la supervivencia está influenciada por muchos factores que ocurren después del tratamiento inicial, como terapias subsecuentes u otros problemas de salud, que diluyen la señal temprana. El estudio concluye que, si bien estos cambios texturales longitudinales son un poderoso sistema de alerta temprana para saber si un fármaco está funcionando, no son una bola de cristal para todo el curso de la enfermedad.

Las implicaciones de este trabajo son significativas para la forma en que los médicos podrían monitorear el tratamiento del cáncer en el futuro. Sugiere que esperar a que un tumor se reduzca no es la única forma de juzgar el éxito. Al centrarse en los cambios texturales sutiles que ocurren durante las primeras semanas de la terapia, los clínicos podrían ser capaces de identificar a los no respondedores mucho antes, ahorrándoles los efectos secundarios de un fármaco que no está funcionando y permitiéndoles cambiar a un tratamiento diferente más pronto. El estudio también destaca la importancia de observar el cambio a lo largo del tiempo en lugar de instantáneas estáticas, un principio que podría aplicarse a muchas áreas de la imagenología médica. Sin embargo, los investigadores advierten cuidadosamente que sus hallazgos provienen de un solo centro y deben ser confirmados en grupos de pacientes más grandes y diversos antes de que puedan utilizarse como una parte estándar del cuidado clínico. Por ahora, este trabajo ofrece una comprensión más clara de lo que las imágenes nos están diciendo realmente: que la historia de la respuesta de un tumor se escribe en su textura cambiante, no solo en su tamaño.