Contour-free multi-instance learning versus conventional CT features for preoperative Ki-67 stratification in gastric gastrointestinal stromal tumors: a retrospective comparison

Resumen Técnico: Aprendizaje Multi-instancia Libre de Contornos frente a Características Convencionales de TC para la Estratificación Preoperatoria de Ki-67 en GIST Gástricos

Planteamiento del Problema
Los tumores estromales gastrointestinales (GIST) exhiben una variabilidad biológica significativa, y la evaluación del riesgo preoperatorio suele verse limitada porque factores pronósticos clave, como el recuento mitótico y el estado de ruptura tumoral, requieren típicamente confirmación intraoperatoria o patológica. El índice de marcaje Ki-67 sirve como una medida crítica de la proliferación tumoral, donde valores más altos se correlacionan con una enfermedad agresiva y recurrencia. Sin embargo, la evaluación de Ki-67 depende de la biopsia o del tejido resecado y está sujeta a la heterogeneidad del muestreo. Si bien la tomografía computarizada (TC) con contraste se utiliza rutinariamente para la estadificación, los modelos predictivos existentes suelen depender de regiones de interés (ROI) de tumor delineadas manualmente. Este contorneado manual introduce un paso de preprocesamiento adicional, aumenta la carga de trabajo y limita la escalabilidad de los enfoques radiómicos o de aprendizaje profundo. Además, una única etiqueta de Ki-67 a nivel de paciente corresponde a una serie completa de TC que contiene cientos de cortes, de los cuales solo un subconjunto representa el tumor. Esta estructura de "una etiqueta, muchas instancias" no es abordada de manera óptima por el aprendizaje supervisado estándar sin segmentación.

Metodología
Este estudio retrospectivo de centro único evaluó un marco de Aprendizaje Multi-instancia (MIL) libre de contornos diseñado para estratificar los GIST gástricos por el índice Ki-67 sin requerir la segmentación del tumor.

• Cohorte y Tareas: El estudio incluyó 61 pacientes con GIST gástricos que se sometieron a resección radical. Se definieron tres tareas de clasificación binaria basadas en puntos de corte de Ki-67 de 5%, 8% y 10%. Los pacientes con valores de Ki-67 reportados en intervalos que abarcaban un punto de corte específico fueron excluidos únicamente de esa tarea específica.
• Procesamiento de Datos:
  • Características Convencionales: Dos lectores extrajeron independientemente 21 variables de TC convencionales (demografía, morfología tumoral, patrones de realce, necrosis, etc.) a partir de imágenes de fase arterial y venosa.
  • MIL Libre de Contornos: Se procesaron series completas de TC arteriales y venosas sin localización tumoral. Los cortes DICOM se ordenaron por posición física, se ajustaron con ventana de configuración abdominal y se estandarizaron. Un codificador ResNet-18 congelado (preentrenado en ImageNet) extrajo vectores de características de 512 dimensiones de cada corte.
  • Arquitectura MIL: La serie completa de TC de cada paciente formó una "bolsa" de instancias (cortes). Se implementaron cinco métodos de MIL para agregar las características de los cortes en una representación a nivel de paciente: MeanMIL, MIL basado en atención (ABMIL), MIL de atención de compuerta (GAMIL), MIL de flujo dual (DSMIL) y MIL de atención estabilizada (ASMIL).
• Comparación de Modelos: El estudio comparó:
  1. Dos modelos convencionales (Regresión Logística con regularización L2 y Elastic Net).
  2. Cinco métodos de MIL aplicados por separado a las fases arterial y venosa.
  3. Cuatro combinaciones de fusión de logit igual (ej., Arterial + Venosa, Convencional + Arterial, etc.).
• Protocolo de Evaluación: Se utilizó una validación cruzada de 5 pliegues estratificada a nivel de paciente, repetida 10 veces. El rendimiento se evaluó mediante AUROC, AUPRC, calibración y Análisis de Curva de Decisión (DCA). La significancia estadística de las diferencias se determinó mediante pruebas bootstrap pareadas con corrección de Holm. Se realizó una "auditoría de atención" post-entrenamiento para verificar si los pesos de atención aprendidos se correlacionaban con los cortes que contenían el tumor utilizando ROIs anotadas manualmente (que no se utilizaron durante el entrenamiento).

Resultos Clave

• Desempeño Discriminativo: El estudio encontró que no hay una ventaja de discriminación clara para el MIL libre de contornos o los modelos de fusión sobre las características de TC convencionales.
  • Las AUROC más altas fueron 0.645 (punto de corte 5%), 0.646 (8%) y 0.605 (10%).
  • Crucialmente, cada intervalo de confianza de la AUROC incluyó 0.5, lo que indica que ninguno de los modelos demostró una discriminación estadísticamente significativa por encima del azar en esta cohorte.
  • Tras la corrección de Holm, ninguna de las 90 comparaciones por pares entre modelos, ni las 54 comparaciones entre modelos de fusión y sus componentes, permaneció estadísticamente significativa.
• Comparación de Métodos MIL: Entre los cinco métodos de MIL, solo dos comparaciones específicas por pares permanecieron significativas tras la corrección (Venoso DSMIL vs. ASMIL en la AUROC del 8%; Venoso DSMIL vs. GAMIL en el AUPRC del 10%). Ningún método de MIL superó consistentemente a los demás o a los modelos convencionales.
• Auditoría de Atención: En la auditoría de atención post-entrenamiento, 34 de 60 pruebas mostraron una asociación significativa entre los pesos de atención y los cortes con presencia de tumor tras la corrección de Holm global. Sin embargo, la dirección de esta asociación varió (21 por encima de la referencia, 13 por debajo), lo que sugiere que los pesos de atención optimizados para la clasificación a nivel de paciente no localizan el tumor de manera consistente.
• Estabilidad: Los componentes de fusión mostraron una correlación baja a moderada, y la fusión de tres componentes fue menos variable que los modelos de MIL de una sola fase, pero más variable que el Elastic Net convencional.

Significancia y Reivindicaciones
El artículo afirma definir un marco a nivel de paciente para evaluar series completas de TC sin delineación de la lesión, ofreciendo una alternativa potencial al laborioso contorneado manual requerido por la radiómica tradicional.

Sin embargo, los autores son explícitos sobre las limitaciones de sus hallazgos:

1. Sin Superioridad Clínica: En esta cohorte específica, el MIL libre de contornos no superó a las características de TC convencionales. Los autores afirman que el tamaño pequeño de la muestra y los amplios intervalos de confianza impiden una conclusión firme de que los enfoques tengan un desempeño equivalente, pero ciertamente no demostraron superioridad.
2. Carga de Anotación: El estudio no midió la reducción en el tiempo de anotación o la carga de trabajo clínica, que es una motivación primaria para los enfoques libres de contornos.
3. Requisitos Futuros: Los autores concluyen que se requiere validación externa y una evaluación directa de la carga de anotación antes de que este diseño pueda considerarse para uso clínico. Sugieren que los estudios futuros deberían utilizar cohortes más grandes, representaciones específicas de TC y registro espacial entre las fases arterial y venosa.

En resumen, aunque el estudio implementó con éxito un flujo de trabajo de MIL libre de contornos para la estratificación de Ki-67, no logró demostrar que este enfoque proporcione una ventaja de discriminación sobre el análisis de características de TC convencional más simple en el contexto de los GIST gástricos.