Preoperative prediction of muscle invasion in bladder cancer: a preliminary development and validation of diffusion-weighted-imaging-based habitat analysis

El cáncer de vejiga es una enfermedad en la que el revestimiento de la vejiga crece sin control, pero no todos los casos son iguales. La distinción más crítica que los médicos deben realizar antes de la cirugía es si el cáncer ha crecido lo suficiente como para invadir la pared muscular de la vejiga. Si no lo ha hecho, el tratamiento suele ser un procedimiento menor para raspar el tumor. Si lo ha hecho, la enfermedad se vuelve mucho más grave, requiriendo quimioterapia agresiva, radiación o incluso la extirpación de toda la vejiga. Durante décadas, la única forma de saber con certeza si el músculo ha sido invadido ha sido realizar una biopsia, un procedimiento que consiste en insertar un endoscopio en la vejiga para tomar una muestra de tejido. Este proceso es invasivo, puede ser doloroso y, a veces, no detecta las capas profundas del tumor. Los médicos han deseado durante mucho tiempo que un simple escaneo pudiera proporcionar esta respuesta sin la necesidad de una aguja o un endoscopio, pero la estructura interna de un tumor suele ser demasiado compleja para que las imágenes estándar la revelen con claridad.

Un equipo de investigadores del Hospital Zhongshan e instituciones afiliadas en China se propuso recientemente resolver este problema observando los tumores de vejiga de una nueva manera. Se centraron en un tipo de resonancia magnética llamado imagen ponderada por difusión, que mide cómo se mueven las moléculas de agua dentro del cuerpo. En el tejido sano, el agua se mueve libremente, pero en un tumor, las células están tan apretadas que el agua se queda atrapada. Los investigadores se dieron cuenta de que un tumor no es un bloque uniforme de células; es un mosaico de diferentes entornos, algunos con células densas, otros con poco flujo sanguíneo y otros con tejido muerto. Para capturar esta complejidad, desarrollaron un método llamado "análisis de hábitats". En lugar de tratar todo el tumor como un solo objeto, utilizaron una computadora para dividir el tumor en distintas subregiones, o hábitats, basándose en cómo se movía el agua en cada pequeño punto. Luego, analizaron si la combinación específica de estos hábitats podía predecir si el cáncer había alcanzado la pared muscular.

El estudio comenzó con 175 pacientes que habían sido diagnosticados con cáncer de vejiga. Antes de que se realizara cualquier cirugía o biopsia, cada paciente se sometió a una resonancia magnética detallada utilizando una potente máquina de 3.0 Tesla. Los médicos pidieron a los pacientes que bebieran agua previamente para llenar sus vejigas, asegurando que el órgano estuviera estirado y fuera fácil de ver. Los escaneos incluyeron imágenes estándar para mostrar la forma del tumor, así como secuencias especializadas que rastreaban el movimiento de las moléculas de agua. Dos radiólogos experimentados, que no conocían los resultados finales de la patología, examinaron cuidadosamente estas imágenes. Midieron el tamaño de los tumores, comprobaron características como un tallo que conecta el tumor con la pared de la vejiga y observaron la presencia de sangrado.

El núcleo de la investigación consistió en introducir los datos de los escaneos de movimiento de agua en un programa informático. El programa analizó todo el tumor y agrupó los píxeles en cuatro hábitats distintos basados en sus patrones de difusión únicos. Este proceso fue completamente no supervisado, lo que significa que la computadora encontró los patrones por sí misma sin que se le indicara qué buscar. Los investigadores luego compararon la composición de estos hábitats en pacientes que resultaron tener cáncer invasivo de músculo frente a aquellos que no lo tenían. Encontraron una diferencia clara: los pacientes con cáncer invasivo de músculo tenían una proporción significativamente mayor de un tipo de hábitat específico, que los investigadores denominaron Hábitat 1. Si bien este tipo de hábitat estaba fuertemente asociado con la invasión muscular, los investigadores señalaron que, debido a desafíos técnicos y consideraciones éticas, no pudieron mapear definitivamente estas regiones digitales a tejidos biológicos específicos, como áreas de alta densidad celular o necrosis, dentro de este estudio en particular.

Para probar si este hallazgo podía realmente ayudar a los médicos, el equipo construyó un modelo de predicción. Combinaron los datos del análisis de hábitats con información clínica estándar, como la edad del paciente y el tamaño del tumor, y las características visuales observadas en la resonancia magnética, como la longitud del tumor y si tenía un tallo. Crearon una herramienta estadística llamada nomograma, que actúa como una calculadora para los médicos. Cuando probaron este nuevo modelo, demostró ser más preciso para predecir la invasión muscular que los modelos que se basaban únicamente en hechos clínicos o imágenes de resonancia magnética estándar. El nuevo modelo, que incluía los datos de los hábitats, identificó correctamente el riesgo de invasión muscular en el 77.7% de los casos, una mejora notable sobre el AUC de 0.74 de los métodos anteriores. Los investigadores también utilizaron una técnica para asegurar que el modelo no estuviera simplemente adivinando al azar; verificaron qué tan bien coincidían las probabilidades predichas con los resultados reales, y los resultados mostraron una consistencia fuerte y fiable.

El estudio también destacó que ciertas características físicas del tumor eran indicadores sólidos por sí mismos. La longitud del tumor y la presencia de un tallo fueron confirmadas como factores de riesgo independientes para la invasión muscular. Un tumor con un tallo, que parece una conexión delgada con la pared de la vejiga, tenía menos probabilidades de haber invadido el músculo, mientras que los tumores más largos tenían más probabilidades de haber penetrado profundamente. Sin embargo, el análisis de hábitats añadió una capa de conocimiento que estas características visibles no podían proporcionar por sí solas. Al cuantificar el paisaje interno invisible del tumor, el método de hábitats ofreció una imagen más clara del comportamiento de la enfermedad. Los investigadores utilizaron un método para explicar por qué el modelo tomaba sus decisiones, confirmando que el tipo de hábitat específico era, de hecho, la fuerza impulsora detrás de las mejoras en las predicciones.

A pesar de estos resultados prometedores, los autores fueron cuidadosos al señalar los límites de su trabajo. El estudio se llevó a cabo en un único centro médico y el modelo aún no ha sido probado en pacientes de otros hospitales o de diferentes poblaciones. Esto significa que los hallazgos podrían no aplicarse universalmente sin más pruebas. Además, aunque la computadora identificó cuatro hábitats distintos, los investigadores aún no pudieron mapear estas regiones digitales a tejidos biológicos específicos, como células muertas o alto flujo sanguíneo, porque no tuvieron la oportunidad de emparejar directamente las imágenes de resonancia magnética con las muestras de tejido quirúrgico en este estudio específico. Reconocieron que las investigaciones futuras tendrían que involucrar grupos más grandes de pacientes y una validación externa para demostrar que el método funciona en todas partes.

El objetivo final de esta investigación es proporcionar a los médicos una herramienta no invasiva para tomar mejores decisiones antes de que un paciente se someta a una cirugía. Si un escaneo puede decirle con fiabilidad a un médico que un tumor no ha invadido el músculo, el paciente podría evitar una operación mayor y los fuertes efectos secundarios de la quimioterapia. Por el contrario, si el escaneo sugiere que el músculo está afectado, el equipo médico puede preparar un plan de tratamiento más agresivo de inmediato. El estudio sugiere que observar los "hábitats" internos de un tumor ofrece una nueva forma de ver lo que sucede dentro del cuerpo, yendo más allá de las simples imágenes hacia una comprensión más profunda de la naturaleza de la enfermedad. Aunque el método se encuentra todavía en sus primeras etapas y requiere más pruebas, representa un paso significativo hacia la realización de un diagnóstico de cáncer de vejiga más preciso y menos invasivo para los pacientes.