REDMOD: la IA radiómica detecta cáncer de páncreas en TC una mediana de 16 meses antes

Un modelo de radiómica desarrollado en Mayo Clinic identificó el 73% de los cánceres de páncreas en TC abdominales que los radiólogos habían informado como normales. La mediana del intervalo entre la alerta de la IA y el diagnóstico histopatológico fue de 475 días, unos 16 meses. Según el estudio publicado en Gut por Mukherjee y sus colegas, el modelo, llamado REDMOD (Radiomics-based Early Detection MODel), detectó casi el doble de casos que los lectores expertos. El resultado es retrospectivo y el modelo todavía no es una herramienta de cribado. La principal razón es su tasa de falsos positivos, y el estudio apunta a una vía más acotada hacia el uso clínico.

01Qué mide el modelo

REDMOD no busca una masa. Analiza TC abdominales de rutina en busca de cambios sutiles en la textura del tejido pancreático que podrían reflejar los primeros efectos biológicos de la enfermedad. La radiómica convierte los vóxeles de la imagen en descriptores cuantitativos de intensidad, forma y textura. Algunos de esos descriptores varían de maneras que un lector humano no puede percibir.

El flujo de trabajo tiene tres etapas, según el resumen del artículo publicado por ASCO Post:

• Segmentación. Una segmentación del páncreas basada en aprendizaje profundo alimenta un paso de extracción radiómica que produce 968 características cuantitativas por estudio. Automatizar el contorno es importante porque, como señala el comunicado de BMJ Group, el trazado manual por especialistas introduce inconsistencias entre lectores. Eliminarlo también facilita la aplicación de la herramienta a estudios de rutina.
• Selección de características. Una selección por mínima redundancia y máxima relevancia reduce las 968 características a 40.
• Clasificación. Las 40 características alimentan un conjunto heterogéneo (ensemble) que combina regresión logística y gradient boosting.

Las características seleccionadas apuntan a un mecanismo. Cerca del 90% procedía de imágenes multiescala filtradas con wavelets, que superaron a los datos sin filtrar (AUC 0,82 frente a 0,74; P = 0,007). El filtrado con wavelets separa la estructura de la imagen por escala espacial. Eso sugiere que la señal reside en una heterogeneidad de grano fino del parénquima y no en algo que un lector pueda ver directamente. Se trata de una inferencia a partir de la distribución de las características y no demuestra qué ocurre en el tejido. Los autores describen el modelo como de fundamento mecanicista, pero este trabajo no establece la biología que subyace al cambio de textura.

02Entrenamiento y validación con estudios previos al diagnóstico

El conjunto de datos es la parte inusual. Comprende 1.462 TC: 219 estudios prediagnósticos de pacientes a quienes después se diagnosticó adenocarcinoma ductal pancreático (PDAC) y 1.243 controles con al menos tres años de seguimiento sin cáncer. Cada estudio de los casos se había informado como normal cuando se realizó. El comunicado de BMJ Group indica que los controles se emparejaron por edad, sexo y fecha del estudio.

Los tiempos de antelación variaron. Según el comunicado, a 87 pacientes (40%) se les hizo la TC entre 3 y 12 meses antes del diagnóstico, a 76 (35%) entre 12 y 24 meses antes y a 56 (25%) más de 24 meses antes. Cerca del 64% de los tumores estaban en la cabeza del páncreas.

La división fue la siguiente:

Estas cifras provienen de la cobertura del artículo por Diagnostic Imaging. En el conjunto de test, los casos eran cerca del 13% de los estudios. Es una prevalencia mucho mayor que la de una población real de cribado.

Además de la división de test, se realizaron dos comprobaciones más:

• Especificidad externa. La especificidad fue del 81,3% en un conjunto multiinstitucional de 539 pacientes y del 87,5% en un conjunto público de 80.
• Estabilidad longitudinal. La concordancia fue del 90–92% en estudios repetidos de los mismos pacientes. Los autores afirman que esto respalda una señal biológica real y no ruido.

Una salvedad de los comentarios independientes: el conjunto de test reservado era independiente, pero procedía de la misma cohorte multiinstitucional que condicionó el diseño del modelo. Los conjuntos externos validaron solo la especificidad. La sensibilidad nunca se comprobó con una cohorte externa de cánceres prediagnósticos.

03Rendimiento frente a los radiólogos

Con la antelación mediana, la prueba independiente arrojó un AUC del 82%, una sensibilidad del 73% y una especificidad del 81,1%. Los comparadores fueron dos radiólogos abdominales con tres años de experiencia posresidencia. Alcanzaron un 38,9% de sensibilidad en los mismos estudios, de modo que la de REDMOD fue 34,1 puntos porcentuales superior. En los estudios realizados más de 24 meses antes del diagnóstico, la sensibilidad de REDMOD fue del 68% frente al 23% de los lectores.

Esa diferencia es verosímil. Un lector que busca una masa, una interrupción del conducto o un cambio de contorno tiene poco que encontrar dos años antes del diagnóstico, mientras que un modelo de textura aún puede captar una señal.

El precio está en la especificidad. Los radiólogos descartaron correctamente al 92,2% de los pacientes sin enfermedad en el conjunto principal de test, frente al 81,1% de REDMOD. Eso sitúa la tasa de falsos positivos del modelo en cerca del 18,9%, unas 2,4 veces el 7,8% de los lectores.

Un ejemplo hipotético muestra por qué importa. Supongamos que 1 de cada 100 personas estudiadas desarrolla PDAC. Esa cifra es ilustrativa y no procede del estudio. Con una sensibilidad del 73% y una especificidad del 81,1%, 1.000 estudios producirían unos 7 verdaderos positivos y unos 187 falsos positivos. Menos del 4% de las alertas serían cánceres reales. El valor predictivo positivo depende en gran medida de la prevalencia, y el conjunto de test enriquecido del estudio no permite saber cómo se comportará el modelo en una población no seleccionada.

04Qué separa a REDMOD del cribado clínico

Los autores y los comentaristas externos señalan varios límites.

1. Diseño retrospectivo. Los datos retrospectivos pueden mostrar que existía una señal en estudios antiguos. No pueden mostrar cómo se comporta el modelo cuando se usa en pacientes reales y en tiempo real. Tampoco se aborda el sesgo de adelanto diagnóstico. Detectar un cáncer 16 meses antes solo importa si ese tiempo adicional cambia el desenlace.
2. Diversidad de la población. La población del estudio carecía de suficiente diversidad étnica, lo que podría afectar al rendimiento en otros grupos.
3. Población objetivo. Mayo afirma que pondrá en marcha un estudio prospectivo llamado AI-PACED. Seguirá a lo largo del tiempo la detección precoz, los falsos positivos y los desenlaces en pacientes de alto riesgo. Entre los candidatos figuran personas con diabetes de reciente aparición. La diabetes de reciente aparición en personas de 50 años o más se ha identificado como un posible indicador temprano de PDAC. El cribado poblacional es otra cuestión. Es poco probable que un cribado generalizado sea eficaz porque el cáncer es poco frecuente, y el Grupo de Trabajo de Servicios Preventivos de EE. UU. (US Preventive Services Task Force) no lo recomienda.
4. Situación regulatoria. El modelo es experimental y no está aprobado para uso clínico ni para cribado poblacional. Goenka ha sugerido que podría tardar entre tres y cinco años en llegar al público. Es una estimación, no un compromiso.

Una alerta positiva es además una señal de riesgo y no un diagnóstico. Lo que sigue depende de la historia clínica. Puede ser una nueva TC, una ecoendoscopia, una toma de tejido o la continuación de la vigilancia. El flujo de trabajo para gestionar un estudio señalado es tan importante como el modelo, y nadie lo ha probado todavía.

Lo que está en juego explica el interés. Los autores citan modelos según los cuales elevar la proporción de PDAC localizado del 10% al 50% más que duplicaría la supervivencia. REDMOD demuestra que existe una señal computable en estudios que parecían normales. Si actuar sobre ella salva vidas lo responderán los datos prospectivos, no la sensibilidad retrospectiva.