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

Resumo Técnico: Integração do Volume e da Heterogeneidade de Densidade via Média Harmônica para a Predição Precoce da Progressão de Hematoma em Contusão de Lobo Frontal

1. Definição do Problema

A contusão de lobo frontal (CLF) é uma lesão comum e altamente heterogênea decorrente de traumatismo cranioencefálico (TCE). Um desafio clínico crítico é a identificação precoce de pacientes em risco de progressão de hematoma (PH), definida como um aumento $\ge$ 25% no volume do hematoma dentro de 72 horas após a lesão. A PH está fortemente associada à deterioração neurológica secundária, aumento da pressão intracraniana e desfechos desfavoráveis.

A avaliação clínica atual baseia-se fortemente em sinais qualitativos de TC e na experiência do cirurgião, que sofrem de baixa concordância interobservador devido à aparência de "sal e pimenta" das CLFs. Embora existam métricas quantitativas, elas possuem limitações quando utilizadas isoladamente:

• Volume Basal do Hematoma (V): Reflete a carga espacial, mas falha em indicar se o interior da lesão está em um estado de sangramento ativo ou de coagulação instável.
• Coeficiente de Variação de Densidade (CVD): Quantifica a heterogeneidade da densidade interna (um marcador de sangramento antigo/novo misto), mas é um indicador relativo que ignora o tamanho físico absoluto da lesão.

O estudo postula que nem uma dimensão, nem a outra, são suficientes para caracterizar o risco de progressão precoce e que é necessário um índice integrado e matematicamente fundamentado para capturar a configuração conjunta da escala de tamanho e da instabilidade de densidade da lesão.

2. Metodologia

Desenho do Estudo e Coortes
Este foi um estudo de coorte retrospectivo multicêntrico seguindo as diretrizes TRIPOD+AI.

• Coorte de Desenvolvimento: 341 pacientes com CLF do Hospital Geral da Universidade Médica de Ningxia (agosto de 2020 – outubro de 2025).
• Coorte de Validação Externa: 273 pacientes do Segundo Hospital Afiliado da Escola Médica de Hengyang, Universidade do Sul da China (janeiro de 2020 – dezembro de 2025).
• Critérios de Inclusão: TC sem contraste (NCCT) de emergência confirmando CLF, primeira NCCT dentro de 6 horas da lesão, NCCT de acompanhamento dentro de 72 horas, GCS $\ge$ 9 e dados completos.
• Critérios de Exclusão: Cirurgia de emergência imediata, GCS < 9 ou dados ausentes.

Processamento de Dados e Engenharia de Atributos (Feature Engineering)

• Segmentação: O volume basal do hematoma ($V$) e as estatísticas de densidade (Média, Desvio Padrão $SD$) foram extraídos usando o 3D Slicer (v5.8.1) por dois neurocirurgiões com > 5 anos de experiência.
• Coeficiente de Variação de Densidade (CVD): Calculado como $CVD = SD / Média$.
• Índice de Integração Volume-Densidade (IIVD): Um novo marcador composto construído usando a média harmônica do volume basal ($V$) e do CVD:
  $$IIVD = \frac{2}{(1/V) + (1/CVD)}$$
  A média harmônica foi escolhida porque é sensível a valores menores; assim, um valor baixo tanto no volume quanto na heterogeneidade suprime significativamente o índice geral. Isso se alinha à fisiopatologia de que lesões de alto risco requerem tanto uma certa escala espacial quanto uma densidade interna significativa.
• Covariáveis: As variáveis clínicas incluíram GCS, idade e marcadores laboratoriais (SIRI, LMR, contagem de eosinófilos, glicose sanguínea, albumina).

Desenvolvimento do Modelo
Quatro modelos de regressão logística foram construídos e comparados:

1. Apenas IIVD: IIVD padronizado isoladamente.
2. Modelo 1 (Componentes Brutos): Incluiu $V$ bruto, $CVD$ e variáveis clínicas/laboratoriais.
3. Modelo 2 (IIVD Integrado): Substituiu $V$ e $CVD$ brutos pelo IIVD padronizado, mantendo outras variáveis clínicas.
4. Modelo 3 (Estendido): Modelo 2 + glicose sanguínea + albumina.

Análise Estatística

• Seleção de Variáveis: Regressão LASSO com validação cruzada de 10 dobras e o algoritmo Boruta.
• Métricas de Desempenho: Área Sob a Curva (AUC) com teste de DeLong para comparação (limiar corrigido por Bonferroni $P < 0,0083$), calibração (escore de Brier, curvas de calibração), Análise de Curva de Decisão (DCA) e Melhoria da Discriminação Integrada (IDI).
• Validação: Validação bootstrap interna e validação externa em uma coorte independente.
• Não-linearidade: A análise de Spline Cúbica Restrita (RCS) foi usada para avaliar a relação entre o IIVD e o risco de PH.

3. Principais Resultados

Demografia e Linha de Base
A coorte de desenvolvimento apresentou uma taxa de PH de 29,0% (treinamento) e 28,3% (teste), enquanto a coorte de validação externa teve uma taxa de 21,0%. A coorte externa era significativamente mais velha, apresentava escores GCS mais baixos e valores de IIVD bruto mais altos, indicando heterogeneidade populacional adequada para testar a generalizabilidade.

Desempenho Discriminativo

• Indicadores Únicos: No conjunto de teste, o IIVD sozinho (AUC 0,745) superou significativamente o Volume isolado (AUC 0,514) e o CVD isolado (AUC 0,659).
• Comparação de Modelos (Validação Externa):
  • Modelo 2 (IIVD Integrado) alcançou uma AUC de 0,763 (95% CI: 0,698–0,824).
  • Modelo 1 (Componentes Brutos) alcanou uma AUC de 0,699 (95% CI: 0,627–0,769).
  • A melhoria do Modelo 2 sobre o Modelo 1 foi estatisticamente significativa ($P < 0,001$).
  • Modelo 3 (adicionando glicose e albumina) não melhorou significativamente a discriminação em relação ao Modelo 2 (AUC 0,758 vs. 0,763, $P = 0,649$).
• Robustez: A validação bootstrap interna confirmou que o Modelo 2 manteve desempenho superior ao Modelo 1 após a correção de otimismo.

Análise Multivariada e Associações

• Preditor Independente: Um IIVD padronizado mais baixo foi independentemente associado a um maior risco de PH (OR 0,425, 95% CI: 0,269–0,671, $P < 0,001$).
• Não-linearidade: A análise RCS revelou uma associação não linear significativa ($P$ para não-linearidade = 0,0007). O risco de PH diminuiu conforme o IIVD aumentou, com uma redução de risco mais acentuada na faixa inferior do IIVD.
• Análise de Subgrupo: O valor preditivo do IIVD foi mais forte em pacientes com lesões de pequeno volume (OR 0,26) em comparação com lesões de grande volume (OR 0,58), com uma interação significativa ($P = 0,005$).

Calibração e Utilidade Clínica

• O Modelo 2 demonstrou melhor calibração (menor escore de Brier) e maior benefício líquido na Análise de Curva de Decisão em comparação com o Modelo 1 no conjunto de validação externa.
• Um nomograma foi desenvolvido com base no Modelo 2 para facilitar a predição de risco personalizada.

4. Principais Contribuições

1. Novo Marcador de Imagem: Introdução do Índice de Integração Volume-Densidade (IIVD), um marcador composto baseado em média harmônica que integra matematicamente o volume da lesão e a heterogeneidade de densidade.
2. Poder Preditivo Superior: Demonstração de que o IIVD fornece melhor discriminação para a progressão precoce do hematoma do que o volume ou a heterogeneidade isoladamente, e que a substituição dos componentes brutos pelo IIVD melhora a generalizabilidade do modelo na validação externa.
3. Estratificação Clínica: Identificação de que o IIVD é particularmente eficaz na estratificação de risco para lesões de pequeno volume, um grupo frequentemente subestimado na prática clínica tradicional.
4. Parsimônia do Modelo: Evidência de que a adição de marcadores metabólicos/inflamatórios sistêmicos (glicose, albumina) não forneceu valor incremental significativo sobre o modelo de imagem baseado em IIVD, sugerando que as características intrínsecas de imagem da lesão são os principais impulsionadores do risco de progressão precoce neste contexto.

5. Significância e Limitações (Perspectiva dos Autores)

Os autores afirmam que o IIVD oferece uma nova ferramenta quantitativa para estratificação de risco precoce em CLF, potencialmente orientando estratégias de acompanhamento por TC e intensidade de vigilância. Ao capturar o efeito de "tábua curta" onde tanto o tamanho quanto a heterogeneidade são necessários para um alto risco, o IIVD aborda as limitações das métricas de dimensão única.

No entanto, os autores mantêm um tom modesto quanto à implementação clínica:

• Natureza Retrospectiva: O estudo é observacional; os resultados mostram associação, não causalidade, e não provam que o uso do IIVD melhora os desfechos dos pacientes.
• Generalizabilidade: O estudo foi limitado a dois centros na China com protocolos de scanner específicos. O desempenho do modelo em outras regiões, sistemas de trauma ou com diferentes parâmetros de imagem permanece não verificado.
• Restrições de Fluxo de Trabalho: A medição atual requer segmentação semi-automática e correção manual, o que limita a aplicação clínica em tempo real.
• Viés de Definição: A definição de PH (aumento relativo de volume) pode inerentemente favorecer a detecção de progressão em lesões menores, influenciando a força observada do IIVD neste subgrupo.
• Necessidades Futuras: Os autores enfatizam que validação prospectiva, fluxos de medição automatizados e análise de impacto são necessários antes que o IIVD possa ser recomendado para a tomada de decisão clínica de rotina.