Integration of Hematoma Volume and Density Heterogeneity via the Harmonic Mean Is Associated With Improved Early Prediction of Hematoma Progression in Frontal Lobe Contusion: A Multicenter Retrospective Cohort Study

Sintesi Tecnica: Integrazione del Volume e dell'Eterogeneità della Densità tramite la Media Armonica per la Previsione Precoce della Progressione dell'Ematoma nella Contusione del Lobo Frontale

1. Definizione del Problema

La contusione del lobo frontale (FCL) è una lesione comune e altamente eterogenea derivante da un trauma cranico (TBI). Una sfida clinica critica è l'identificazione precoce dei pazienti a rischio di progressione dell'ematoma (HPC), definita come un aumento del $\ge 25\%$ del volume dell'ematoma entro 72 ore dal trauma. L'HPC è fortemente associata al deterioramento neurologico secondario, all'aumento della pressione intracranica e a esiti clinici sfavorevoli.

La valutazione clinica attuale si affida pesantemente a segni TC qualitativi e all'esperienza del chirurgo, che soffrono di una bassa concordanza inter-osservatore a causa dell'aspetto "a sale e pepe" delle FCL. Sebbene esistano metriche quantitative, queste presentano limitazioni quando utilizzate isolatamente:

• Volume Basale dell'Ematoma ($V$): Riflette il carico spaziale, ma non riesce a indicare se l'interno della lesione si trovi in uno stato di sanguinamento attivo o di coagulazione instabile.
• Coefficiente di Variazione della Densità (DCV): Quantifica l'eterogeneità della densità interna (un marker di sanguinamento misto vecchio/nuovo), ma è un indicatore relativo che ignora le dimensioni fisiche assolute della lesione.

Lo studio postula che nessuna delle due dimensioni da sola sia sufficiente a caratterizzare il rischio di progressione precoce e che sia necessario un indice integrato, basato su principi matematici, capace di catturare la configurazione congiunta della dimensione della lesione e dell'instabilità della densità.

2. Metodologia

Disegno dello Studio e Coorti
Si è trattato di uno studio di coorte retrospettivo multicentrico conforme alle linee guida TRIPOD+AI.

• Coorte di Sviluppo: 341 pazienti con FCL presso l'Ospedale Generale dell'Università Medica di Ningxia (agosto 2020 – ottobre 2025).
• Coorte di Validazione Esterna: 273 pazienti presso il Secondo Ospedale Affiliato all'Università Medica di Hengyang, Università del Sud della Cina (gennaio 2020 – dicembre 2025).
• Criteri di Inclusione: TC senza contrasto (NCCT) d'urgenza confermante la FCL, prima NCCT entro 6 ore dal trauma, NCCT di follow-up entro 72 ore, GCS $\ge 9$ e dati completi.
• Criteri di Esclusione: Chirurgia d'urgenza immediata, GCS $< 9$ o dati mancanti.

Elaborazione dei Dati e Ingegneria delle Caratteristiche

• Segmentazione: Il volume basale dell'ematoma ($V$) e le statistiche di densità (Media, Deviazione Standard $SD$) sono stati estratti utilizzando 3D Slicer (v5.8.1) da due neurochirurghi con oltre 5 anni di esperienza.
• Coefficiente di Variazione della Densità (DCV): Calcolato come $DCV = SD / Media$.
• Indice di Integrazione Volume-Densità (VDII): Un nuovo marker composito costruito utilizzando la media armonica del volume basale ($V$) e del DCV:
  $$VDII = \frac{2}{(1/V) + (1/DCV)}$$
  La media armonica è stata scelta perché è sensibile ai valori piccoli; pertanto, un valore basso in termini di volume o eterogeneità sopprime significativamente l'indice complessivo. Ciò si allinea alla fisiopatologia secondo cui le lesioni ad alto rischio richiedono sia una certa scala spaziale sia una significativa eterogeneità interna.
• Covariate: Le variabili cliniche includevano GCS, età e marcatori di laboratorio (SIRI, LMR, conta degli eosinofili, glucosio ematico, albumina).

Sviluppo del Modello
Sono stati costruiti e confrontati quattro modelli di regressione logistica:

1. Solo VDII: VDII standardizzato da solo.
2. Modello 1 (Componenti Grezze): Include $V$ grezzo, DCV e variabili cliniche/di laboratorio.
3. Modello 2 (VDII Integrato): Sostituisce $V$ e DCV con il VDII standardizzato, mantenendo le altre variabili cliniche.
4. Modello 3 (Esteso): Modello 2 + glucosio ematico + albumina.

Analisi Statistica

• Selezione delle Variabili: Regressione LASSO con validazione incrociata a 10 pieghe (10-fold cross-validation) e algoritmo Boruta.
• Metriche di Performance: Area Sotto la Curva (AUC) con test di DeLong per il confronto (soglia corretta per Bonferroni $P < 0,0083$), calibrazione (Brier score, curve di calibrazione), Analisi della Curva Decisionale (DCA) e Miglioramento dell'Discriminazione Integrata (IDI).
• Validazione: Validazione bootstrap interna ed esterna su una coorte indipendente.
• Non linearità: L'analisi delle Spline Cubiche Restrette (RCS) è stata utilizzata per valutare la relazione tra VDII e rischio di HPC.

3. Risultati Chiave

Demografia e Baseline
La coorte di sviluppo presentava un tasso di HPC del 29,0% (training) e 28,3% (testing), mentre la coorte di validazione esterna presentava un tasso del 21,0%. La coorte esterna era significativamente più anziana, con punteggi GCS più bassi e valori di VDII grezzi più elevati, indicando un'eterogeneità di popolazione adatta a testare la generalizzabilità.

Performance Discriminativa

• Indicatori Singoli: Nel set di testing, il solo VDII (AUC 0,745) ha superato significativamente il solo Volume (AUC 0,514) e il solo DCV (AUC 0,659).
• Confronto tra Modelli (Validazione Esterna):
  • Il Modello 2 (VDII Integrato) ha raggiunto un'AUC di 0,763 (95% CI: 0,698–0,824).
  • Il Modello 1 (Componenti Grezze) ha raggiunto un'AUC di 0,699 (95% CI: 0,627–0,769).
  • Il miglioramento del Modello 2 rispetto al Modello 1 è stato statisticamente significativo ($P < 0,001$).
  • Il Modello 3 (aggiungendo glucosio e albumina) non ha migliorato significativamente la discriminazione rispetto al Modello 2 (AUC 0,758 vs 0,763, $P = 0,649$).
• Robustezza: La validazione bootstrap interna ha confermato che il Modello 2 mantiene una performance superiore rispetto al Modello 1 dopo la correzione per l'ottimismo.

Analisi Multivariata e Associazioni

• Predittore Indipendente: Un VDII standardizzato più basso era indipendentemente associato a un rischio maggiore di HPC (OR 0,425, 95% CI: 0,269–0,671, $P < 0,001$).
• Non linearità: L'analisi RCS ha rivelato un'associazione non lineare (P per la non linearità = 0,0007). Il rischio di HPC diminuiva all'aumentare del VDII, con una riduzione del rischio più marcata nell'intervallo inferiore del VDII.
• Analisi per Sottogruppi: Il valore predittivo del VDII era più forte nei pazienti con lesioni di piccolo volume (OR 0,26) rispetto alle lesioni di grande volume (OR 0,58), con un'interazione significativa ($P = 0,005$).

Calibrazione e Utilità Clinica

• Il Modello 2 ha dimostrato una migliore calibrazione (Brier score inferiore) e un maggiore beneficio netto nell'Analisi della Curva Decisionale rispetto al Modello 1 nel set di validazione esterna.
• È stato sviluppato un nomogramma basato sul Modello 2 per facilitare la previsione del rischio personalizzata.

4. Contributi Chiave

1. Nuovo Marker di Imaging: Introduzione del Volume-Density Integration Index (VDII), un marker composito basato sulla media armonica che integra matematicamente il volume della lesione e l'eterogeneità della densità.
2. Potere Predittivo Superiore: Dimostrazione che il VDII fornisce una migliore discriminazione per la progressione precoce dell'ematoma rispetto al volume o all'eterogeneità da soli, e che la sostituzione delle componenti grezze con il VDII migliora la generalizzabilità del modello nella validazione esterna.
3. Stratificazione Clinica: Identificazione del fatto che il VDII è particolarmente efficace nel stratificare il rischio per le lesioni di piccolo volume, un gruppo spesso sottovalutato nella pratica clinica tradizionale.
4. Parsimonia del Modello: Evidenza che l'aggiunta di marcatori metabolici/infiammatori sistemici (glucosio, albumina) non ha fornito un valore incrementale significativo rispetto al modello basato sull'imaging VDII, suggerando che le caratteristiche intrinseche di imaging della lesione siano i principali driver del rischio di progressione precoce in questo contesto.

5. Significato e Limitazioni (Prospettiva degli Autori)

Gli autori affermano che il VDII offre un nuovo strumento quantitativo per la stratificazione precoce del rischio nella FCL, guidando potenzialmente le strategie di follow-up TC e l'intensità della sorveglianza. Catturando l'effetto "short board" (dove sono richiesti sia la dimensione che l'eterogeneità per un alto rischio), il VDII affronta i limiti delle metriche a singola dimensione.

Tuttiché, gli autori mantengono un tono modesto riguardo all'implementazione clinica:

• Natura Retrospettiva: Lo studio è osservazionale; i risultati mostrano un'associazione, non una causalità, e non provano che l'uso del VDII migliori gli esiti dei pazienti.
• Generalizzabilità: Lo studio è stato limitato a due centri in Cina con protocolli di scansione specifici. La performance del modello in altre regioni, sistemi di trauma o con diversi parametri di imaging rimane non verificata.
• Vincoli di Workflow: La misurazione attuale richiede una segmentazione semi-automatica e una correzione manuale, il che limita l'applicazione clinica in tempo reale.
• Bias di Definizione: La definizione di HPC (aumento relativo del volume) può intrinsecamente favorire la rilevazione della progressione nelle lesioni più piccole, influenzando la forza osservata del VDII in questo sottogruppo.
• Esigenze Future: Gli autori sottolineano che sono necessarie validazioni prospettiche, workflow di misurazione automatizzati e analisi d'impatto prima che il VDII possa essere raccomandato per il processo decisionale clinico di routine.