Routine clinical data are sufficient for intracerebral haemorrhage prognostication; haematoma radiomics adds no detectable incremental value: a three-tier validation study

Resumo Técnico: Dados Clínicos de Rotina vs. Radiômica de Hematoma na Prognosticação de ICH

Definição do Problema
A hemorragia intracerebral espontânea (HIC) está associada a uma alta mortalidade precoce e recuperação funcional limitada. Embora as ferramentas prognósticas existentes, como o Score de ICH e o Score FUNC, sejam amplamente utilizadas, elas dependem de avaliações neurológicas especializadas (GCS, NIHSS) que podem não ser viáveis em todos os contextos clínicos. Por outro outro lado, a radiômica de TC tem sido proposta como uma alternativa automatizada para capturar dados de imagem quantitativos além da inspeção visual. No entanto, estudos anteriores que alegam alto desempenho preditivo (AUCs 0,88–0,89) carecem frequentemente de validação rigorosa, falhando especificamente em separar a seleção de características da avaliação do modelo, o que leva a resultados potencialmente otimistas e enganosos. Este estudo aborda a questão crítica de se 851 características de radiômica do núcleo do hematoma por TC fornecem valor prognóstico incremental sobre os dados clínicos de admissão de rotina quando avaliados sob um framework rigoroso e controlado de viés.

Metodologia
O estudo empregou um desenho retrospectivo de centro único envolvendo 570 episódios de HIC aguda (556 pacientes) de 2020 a 2024.

• Processamento de Dados: A segmentação automatizada do hematoma foi realizada utilizando nnU-Net v2, atingindo um coeficiente de Dice de 0,945. Dos núcleos segmentados do hematoma, 851 características radiômicas compatíveis com IBSI foram extraídas usando PyRadiomics v3.0.1, incluindo estatísticas de primeira ordem, características de forma e texturas de wavelet.
• Desenvolvimento do Modelo: Dois modelos principais de regressão logística foram construídos:
  1. Apenas Clínico: Utilizando 16 variáveis candidatas pré-especificadas (demografia, exames laboratoriais e escores clínicos) reduzidas via LASSO.
  2. Clínico + Radiômica: Combinando as variáveis clínicas com as 851 características de radiômica.
• Framework de Validação: Para prevenir vazamento de dados (data leakage) e sobreajuste (overfitting), o estudo utilizou uma abordagem de validação de três níveis rigorosa:
  1. Validação Cruzada Aninhada Agrupada (5×5): A seleção de características (LASSO) foi realizada independentemente dentro de cada fold interno, garantindo a separação por paciente (GroupKFold), de modo que episódios recorrentes do mesmo paciente nunca aparecessem simultaneamente nos conjuntos de treinamento e teste.
  2. Comparação de ROC Pareada de DeLong: Utilizada para comparar estatisticamente a Área Sob a Curva (AUC) do modelo clínico contra o modelo combinado e benchmarks estabelecidos (Score de ICH, Score FUNC).
  3. Estimativa Bootstrap Out-of-Bag: Utilizada para avaliar a estabilidade da seleção de características e quantificar o otimismo.
• Desfechos: Os desfechos primários foram o desfecho funcional desfavorável aos 90 dias (escala de Rankin modificada >2) e mortalidade por todas as causas.

Principais Resultados

• Desempenho do Modelo Clínico: O modelo apenas clínico, utilizando 10 variáveis distintas em dois modelos específicos para cada desfecho, alcançou um desempenho robusto com AUCs de validação cruzada aninhada agrupada de 0,866 para desfecho funcional e 0,795 para mortalidade. Este superou significativamente o Score de ICH (ΔAUC = 0,181 e 0,088, respectivamente) e o Score FUNC para desfecho funcional (ΔAUC = 0,079).
• Valor Incremental da Radiômica: Adicionar as 851 características de radiômica do núcleo do hematoma ao modelo clínico resultou em nenhum valor incremental detectável.
  • Para o desfecho funcional, a AUC do modelo combinado foi de 0,872 (ΔAUC = +0,005, p = 0,805).
  • Para a mortalidade, a AUC foi de 0,771 (ΔAUC = −0,024, p = 0,439).
• Desempenho Apenas de Radiômica: Um modelo dependente exclusivamente de características de radiômica apresentou desempenho insatisfatório, gerando AUCs de 0,558 para desfecho funcional e 0,616 para mortalidade.
• Estabilidade de Características: A análise de Bootstrap revelou que as variáveis clínicas centrais (ex: NIHSS, idade) foram selecionadas em 100% das iterações, enquanto nenhuma característica de radiômica excedeu uma frequência de seleção de 90%, indicando instabilidade e falta de sinal consistente nos dados de imagem de alta dimensão.
• Análise de Overfitting: A diferença entre a AUC aparente amostral e a AUC da validação cruzada aninhada foi mínima para o modelo clínico (0,026), mas maior para o modelo combinado (0,037), sugerindo que as melhorias aparentes no modelo combinado foram impulsionadas pelo sobreajuste da seleção de características em vez de um sinal genuíno.

Significância e Alegações
Os autores concluem que, para a prognosticação de HIC em cenários onde a TC é a principal modalidade de imagem, os dados clínicos e laboratoriais de admissão de rotina fornecem estratificação de risco confiável sem a necessidade de pipelines complexos de radiômica. O estudo demonstra que um modelo clínico compacto pode superar sistemas de pontuação estabelecidos (scores de ICH e FUNC) e que, sob condições de validação rigorosas, as características de radiômica do núcleo do hematoma não conferem poder preditivo adicional significativo.

O artigo enfatiza que a falta de valor incremental da radiômica pode ser atribuída a:

1. O alto sinal prognóstico já capturado por marcadores de gravidade clínica (NIHSS, GCS, volume do hematoma).
2. A natureza homogênea dos núcleos agudos do hematoma em TC sem contraste, o que limita a heterogeneidade textural.
3. A exclusão da textura do edema periaematomal (EPM), que tem mostrado promessa em outros estudos.

Crucialmente, os autores afirmam que separar a seleção de características da avaliação do modelo é essencial para uma avaliação honesta da radiômica. Eles posicionam seu trabalho como um corretivo para a literatura anterior que pode ter relatado desempenhos inflados devido a falhas metodológicas, defendendo uma abordagem pragmática onde os dados clínicos permanecem como a pedra angular da prognosticação de HIC, a menos que a radiômica possa demonstrar valor incremental robusto e validado em cenários multicêntricos.