MRI-based Prognostic Model in Early-Stage HR+/HER2- Breast Cancer

Resumo Técnico: Modelo Prognóstico Baseado em RM para Câncer de Mama Estágio Inicial HR+/HER2-

Definição do Problema
O manejo clínico atual do câncer de mama estágio inicial com receptores hormonais positivos/receptor 2 do fator de crescimento epidérmico humano negativo (HR+/HER2-) baseia-se fortemente em ensaios genômicos (ex: OncotypeDX) para orientar decisões de quimioterapia adjuvante. No entanto, esses ensaios possuem limitações inerentes: exigem amostras de tecido suficientes, envolvem tempos de resposta prolongados e podem falhar em capturar a extensão total da heterogeneidade tumoral quando derivados de um único bloco de tecido ou biópsia por agulha grossa. Além disso, persiste uma incerteza clínica quanto à aplicabilidade desses ensaios em subgrupos de alto risco específicos, como mulheres na pré-menopausa, minorias raciais e étnicas e pacientes com tumores maiores. Há uma necessidade de biomarcadores adicionais que possam capturar a heterogeneidade tumoral macroscópica e as relações espaciais com o microambiente tumoral para individualizar melhor a terapia.

Metodologia
Os autores desenvolveram e validaram um modelo prognóstico baseado em imagem e inteligência artificial (IA), denominado MRI-RS (MRI Risk Score - Pontuação de Risco por RM), projetado para prever a sobrevida livre de recorrência (RFS) de 5 anos.

• Desenho do Estudo: Um estudo retrospectivo, multi-institucional envolvendo 1.072 pacientes diagnosticadas com câncer de mama HR+/HER2- em estágio inicial entre 2010 e 2023. Os dados foram obtidos de cinco coortes: I-SPY 2, University of Chicago Hospital, University of Alabama, Endeavor Health Cancer Institute e Duke University.
• Divisão de Dados: O conjunto de dados foi dividido em um conjunto de descoberta (N=522, usado para treinamento e ajuste) e um conjunto de teste independente (N=550). O conjunto de descoberta foi subdividido em 75:25 entre subconjuntos de treinamento e ajuste.
• Processamento de Imagem: Exames de RM dinâmica com contraste (DCE-MRI) pré-tratamento foram processados usando uma ferramenta de segmentação de IA totalmente automatizada e aprovada pelo FDA (TumorSight Viz). Esta ferramenta anotou volumes 3D, atribuindo voxels a tumor, glândula, gordura, vascular, pele, tórax ou ar. Uma região de interesse (ROI) foi definida por uma caixa delimitadora contendo todos os voxels do tumor.
• Engenharia de Atributos (Feature Engineering): Atributos radiômicos e de forma foram extraídos da ROI e da segmentação 3D circundante. Os atributos passaram por normalização z-score e seleção baseada em variabilidade, correlação (removendo atributos com correlação >0,8) e associação univariada com RFS em modelos de Riscos Proporcionais de Cox (CPH).
• Arquitetura do Modelo: Um modelo de Floresta de Sobrevivência Aleatória (RSF) foi calibrado. O modelo final integrou cinco atributos baseados em imagem de melhor desempenho (maior dimensão do tumor, comprimento do eixo curto alinhado ao tumor, solidez, compacidade e densidade vascular circundante) com variáveis clínicas (idade, raça, grau tumoral, estágio T e estágio N).
• Estratificação de Risco: Um limiar ideal (32,9) foi determinado para maximizar o índice de concordância, classificando as pacientes em categorias de "Baixo Risco" e "Alto Risco".
• Análise Estatística: O desempenho foi avaliado por estimadores de Kaplan-Meier, razões de risco (HR) não ajustadas e ajustadas, e testes de razão de verossimilhança comparando o MRI-RS contra um escore de risco apenas clínico (CRS). O pareamento por escore de propensão foi empregado para explorar o benefício potencial da quimioterapia, embora os autores observem que esta análise é exploratória devido ao desenho retrospectivo.

Principais Contribuições

1. Desenvolvimento do MRI-RS: A criação de um escore de risco não invasivo, impulsionado por IA, que integra características espaciais do tumor via DCE-MRI com dados clinicopatológicos padrão.
2. Validação em Coortes Diversas: Validação rigorosa em uma coorte independente e multi-institucional que incluiu representação substancial de mulheres afro-americanas e pacientes na pré-menopausa, grupos frequentemente sub-representados em estudos de IA.
3. Biomarcador Ortogonal: Demonstração de que atributos espaciais derivados de RM fornecem informações prognósticas distintas de e complementares aos fatores clínicos tradicionais e ensaios genômicos.
4. Aplicabilidade em Tempo Real: O modelo utiliza imagens pré-tratamento prontamente disponíveis, oferecendo um caminho para a estratificação de risco em tempo real sem os atrasos associados aos testes genômicos ou limitações de amostragem de tecido.

Resultados

• Desempenho Prognóstico: Na coorte de teste independente (N=550), o MRI-RS estratificou significativamente as pacientes pelo risco de recorrência.
  • RFS de 5 Anos: Pacientes de baixo risco tiveram uma RFS de 5 anos de 93,8% (95% CI: 90,0–96,2%), comparado a 82,6% (95% CI: 74,8–88,1%) para pacientes de alto risco.
  • Razões de Risco (Hazard Ratios): A razão de risco não ajustada foi de 3,09 (95% CI: 1,66–5,76; p < 0,005). Após ajuste para idade, estágios T/N, grau e tipo de terapia, a razão de risco ajustada permaneceu significativa em 2,28 (95% CI: 1,18–4,41; p < 0,01).
• Análise de Subgrupo: O modelo manteve o valor prognóstico através de subgrupos clinicamente relevantes, incluindo idade (<50 vs. ≥50) e status nodal (N0 vs. N1), embora as estimativas no subgrupo com presença de nódulos tenham sido menos precisas.
• Comparação com Modelos Clínicos: A adição do MRI-RS (como escore contínuo ou risco categórico) a um escore de risco apenas clínico melhorou significativamente o desempenho preditivo (Razão de Verossimilhança p < 0,01; C-Index aumentou de 0,58 para 0,71).
• Benefício da Quimioterapia: O pareamento por escore de propensidade exploratório sugeriu que pacientes de alto risco tratadas com terapia quimioendócrina apresentaram menores taxas de recorrência em comparação com a terapia endócrina isolada, enquanto pacientes de baixo risco tiveram maior RFS com terapia endócrina isolada. No entanto, os autores declaram explicitamente que esta análise é subdimensionada devido ao número limitado de eventos.

Significância e Alegações
O artigo afirma que o MRI-RS serve como uma ferramenta prognóstica robusta e não invasiva, capaz de complementar os testes genômicos baseados em tecido existentes. Sua principal significância reside na capacidade de:

• Fornecer estratificação de risco em tempo real utilizando imagens pré-tratamento, contornando a necessidade de amostragem adicional de tecido e longos tempos de resposta.
• Capturar fatores espaciais extrínsecos dentro do macroambiente tumoral (ex: densidade vascular, forma do tumor, interação com tecidos circundantes) que os ensaios genômicos intrínsecos podem não capturar.
• Oferecer otimização personalizada do tratamento ao identificar pacientes que podem se beneficiar da escalação ou desescalação da quimioterapia, particularmente em subgrupos onde os ensaios genômicos estão menos estabelecidos.

Os autores concluem que, embora o modelo demonstre forte valor prognóstico, sua capacidade de prever definitivamente o benefício da quimioterapia requer validação em estudos prospectivos. O estudo enfatiza que o MRI-RS é um biomarcador ortogonal que aumenta a precisão da previsão de recorrência além das características clinicopatológicas tradicionais isoladamente.