A Simple Clinical–MRI Model Combining Tumor Mobility and ADC for Preoperative Prediction of Malignancy in Parotid Gland Tumors

As glândulas parótidas, localizadas logo à frente das orelhas, são as maiores das glândulas salivares no corpo humano. Como muitas partes do corpo, elas podem desenvolver nódulos, a maioria dos quais são crescimentos inofensivos que não causam problemas. No entanto, uma pequena parte desses nódulos é maligna, o que significa que são cancerosos e capazes de se espalhar ou invadir tecidos próximos. Distinguir entre um nódulo benigno e um perigoso antes da cirurgia é um desafio crítico para os médicos. Se um tumor for benigno, um cirurgião pode removê-lo com um procedimento simples, preservando o nervo facial que passa exatamente através da glândula. Se for maligno, a cirurgia torna-se muito mais complexa, muitas vezes exigindo uma remoção mais ampla de tecido e o manejo cuidadoso desse mesmo nervo para evitar a paralisia. Durante décadas, os médicos confiaram em exames físicos e ressonância magnética, ou RM, para fazer essa escolha. A RM é uma ferramenta poderosa que utiliza campos magnéticos para criar imagens detalhadas do interior do corpo, e um tipo específico de exame chamado imagem ponderada por difusão pode medir como as moléculas de água se movem dentro de um tumor. Em geral, células cancerígenas densamente compactadas restringem esse movimento mais do que a estrutura mais frouxa dos tumores benignos. No entanto, mesmo com essas ferramentas, a incerteza permanece, e os médicos frequentemente precisam saber mais para planejar o tratamento correto.

Pesquisadores da Universidade Médica de Kansai, no Japão, propuseram-se a criar uma forma mais simples e confiável de prever se um tumor parotídeo é benigno ou maligno antes de uma operação. Eles focaram em combinar duas informações específicas: um achado físico de uma consulta médica padrão e uma medição quantitativa de um exame de RM. A primeira informação é a mobilidade do tumor. Durante um exame físico, um médico pressiona suavemente o nódulo para ver se ele se move livremente sob a pele ou se parece preso. Um tumor que não se move frequentemente sugere que ele cresceu para dentro de ou aderiu aos tecidos circundantes, um sinal de malignidade. A segunda informação é o coeficiente de difusão aparente, um número derivado da RM que quantifica quanta água pode se mover dentro do tumor. A equipe queria ver se o uso apenas desses dois fatores juntos poderia fornecer uma resposta clara, evitando a necessidade de modelos computacionais complexos ou softwares de análise de imagem caros e demorados que são difíceis de usar em clínicas cotidianas.

Para testar essa ideia, os pesquisadores analisaram retrospectivamente os prontuários médicos de 146 pacientes que realizaram cirurgia de tumores parotídeos entre maio de 2021 e julho de 2025. Eles excluiram pacientes com linfoma, um tipo de câncer de sangue, porque este se comporta de forma diferente dos tumores típicos de glândula salivar que estavam estudando. O grupo incluiu 125 pacientes com tumores benignos e 21 com malignos. A equipe dividiu os pacientes em dois grupos: um grupo maior de 109 cujos exames de RM foram feitos em seu próprio hospital, e um grupo menor de 37 cujos exames vieram de outros centros médicos. Eles usaram o primeiro grupo para construir seu modelo de predição e o segundo grupo para verificar se o modelo funcionaria em dados que nunca tinha visto antes. Os pesquisadores mediram a mobilidade do tumor com base no que estava escrito nos prontuários médicos e calcularam os números de difusão a partir dos exames de RM, certificando-se de evitar áreas do tumor que fossem císticas ou com sangramento, o que poderia distorcer os resultados.

A análise revelou que tanto a mobilidade do tumor quanto o número de difusão estavam fortemente ligados ao fato de um tumor ser cancerígeno. Pacientes com tumores malignos apresentavam uma probabilidade significativamente maior de ter nódulos que não se moviam durante o exame físico. Eles também apresentavam números de difusão mais baixos, indicando que o movimento da água dentro do tumor era mais restrito. Quando os pesquisadores combinaram esses dois fatores em um único modelo, os resultados foram promissores. O modelo distinguiu com sucesso entre tumores benignos e malignos no grupo usado para construí-lo e manteve um nível de precisão semelhante quando testado nos pacientes de outros hospitais. Este teste externo foi importante porque mostrou que o modelo poderia lidar com diferenças em máquinas de RM e configurações de varredura, sugerindo que poderia funcionar em vários ambientes clínicos. Os pesquisadores descobriram que adicionar a medição de difusão ao simples teste de mobilidade melhorou significativamente a capacidade de prever a malignidade em comparação com a verificação apenas da mobilidade.

O estudo também examinou outros sinais potenciais, como o brilho do tumor em diferentes tipos de imagens de RM em comparação com o músculo e o tecido glandular circundantes. Embora essas razões de brilho também estivessem ligadas à malignidade em testes iniciais, elas não adicionaram informação nova suficiente para justificar a inclusão no modelo final. Os pesquisadores decidiram que manter o modelo simples com apenas duas variáveis era melhor, especialmente já que o conjunto de dados de casos de câncer era relativamente pequeno. Um modelo mais complexo com variáveis demais corria o risco de se ajustar perfeitamente demais ao grupo específico de pacientes estudados, o que o tornaria menos útil para futuros pacientes. Ao manter a mobilidade e o número de difusão, eles criaram uma ferramenta que é fácil de usar e interpretar. O resultado final foi apresentado como um nomograma, um gráfico visual que permite a um médico simplesmente somar pontos para o status de mobilidade e o número de difusão para obter uma pontuação de probabilidade de malignidade.

Os autores reconhecem que o seu estudo possui limitações. Foi uma análise retrospectiva de dados passados de um único hospital, o que significa que pode haver vieses na seleção dos pacientes. O número de tumores malignos foi relativamente baixo, o que torna as estimativas estatísticas menos precisas do que seriam com um grupo maior. Além disso, o grupo de pacientes de outros hospitais usado para teste era pequeno, de modo que a confiança no desempenho do modelo fora do hospital original não é absoluta. Os pesquisadores também observaram que as medições de difusão podem variar dependendo da máquina de RM específica utilizada, e eles não aplicaram uma correção matemática rigorosa para padronizar essas diferenças entre todos os scanners. Apesar dessas ressalvas, o estudo sugere que uma abordagem direta, combinando um achado de exame físico com uma medição padrão de RM, pode oferecer uma forma útil e de baixa carga para estimar o risco de câncer. Este método não substitui a necessidade de biópsias ou exames de imagem avançados em todos os casos, mas fornece uma ferramenta prática para que os médicos tomem decisões melhor informadas sobre o planejamento cirúrgico e o aconselhamento do paciente antes da primeira incisão ser feita.