Las imágenes clínicas del tórax mejoran la predicción de la supervivencia en el cáncer de pulmón

En pacientes con cáncer de pulmón en etapa I, agregar características no cancerosas de la tomografía computarizada de tórax predice la supervivencia general mejor que las características clínicas por sí solas, según un artículo Publicado en línea en el American Journal of Roentgenology.

Modelado que incorpora características de imágenes no cancerosas capturadas en tomografía computarizada (TC) de tórax junto con características clínicas, cuando se calculan antes del cuerpo estereotáctico terapia de radiación (SBRT), mejora la predicción de supervivencia, en comparación con el modelo que se basa solo en características clínicas, informan los autores.

“El enfoque del estudio fue observar el entorno en el que vive el cáncer”, dijo el autor principal Florian J. Fintelmann, MD, radiólogo del Hospital General de Massachusetts y profesor asociado de radiología en la Facultad de Medicina de Harvard, ambos en Boston. “Esto analiza parámetros como el diámetro aórtico, la composición corporal, es decir, la cuantificación y caracterización del tejido adiposo y el músculo, las calcificaciones de las arterias coronarias y enfisema cuantificación.”

Los oncólogos radioterápicos utilizan las imágenes de TC para determinar dónde se debe administrar la radiación. “Hay más información de estas imágenes que podemos utilizar”, dijo.

Las estimaciones de supervivencia en pacientes con cáncer de pulmón en estado I ahora se basan en la edad biológica, la puntuación del ECOG (Eastern Cooperative Oncology Group) y la presencia de comorbilidades, dijo Fintelmann.

Esta investigación retrospectiva involucró a 282 pacientes con una mediana de edad de 75 años. Había 168 mujeres y 114 hombres. Todos los pacientes tenían cáncer de pulmón en estadio I y fueron tratados con SBRT entre enero de 2009 y junio de 2017.

Los investigadores analizaron imágenes torácicas previas al tratamiento con TC. evaluaron calcio de la arteria coronaria (CAC) (vea la imagen de arriba), proporción de arteria pulmonar (AP) a aorta, enfisema y varias medidas de composición corporal (músculo esquelético y tejido adiposo). Desarrollaron un modelo estadístico para vincular las características clínicas y de imagen con la supervivencia general.

Una puntuación CAC elevada (11-399: HR, 1,83 [95% confidence interval, 1.15-2.91]; ≥ 400: HR, 1,63 [95% CI, 1.01-2.63]), aumento de la relación PA/aorta (HR, 1,33 [95% CI, 1.16-1.52]por aumento de 0,1 unidades) y disminución del músculo esquelético torácico (HR, 0,88 [95% CI, 0.79-0.98]por aumento de 10 cm2/m2) se asociaron de forma independiente con una supervivencia general más corta, observaron los investigadores.

Además, la supervivencia global a 5 años fue superior para el modelo que incluía características clínicas y de imagen e inferior para el modelo restringido solo a características clínicas. De todas las características, la que resultó más predictiva de la supervivencia global fue la relación PA/aorta.

En este estudio de un solo centro de pacientes con cáncer de pulmón en estadio I que se sometieron a SBRT, el aumento de la puntuación de CAC, el aumento de la relación PA/aorta y la disminución del índice del músculo esquelético torácico fueron predictivos independientes de una supervivencia general más deficiente.

“Nuestro modelo muestra que estas características de imágenes agregan mucho más [to predicting overall survival]”, dijo Fintelmann. “La fuerza de este estudio es que mostramos la utilidad [of the model] y cómo supera la predicción del riesgo clínico que actualmente es el estándar de atención. Creemos que esto beneficiará a los pacientes en términos de poder asesorarlos y asesorarlos mejor sobre sus decisiones médicas”.

Esta investigación de prueba de concepto requiere validación externa, enfatizó Fintelmann. “Los datos externos para la validación son el siguiente paso”, dijo, y señaló que él y los co-investigadores agradecen la entrada de datos de otros investigadores.

Elsie Nguyen, MD, FRCPC, FNASCI, profesora asociada de radiología de la Universidad de Toronto, respondió por correo electrónico que el estudio muestra que las características de las imágenes complementan los datos clínicos para predecir la supervivencia general.

“Este estudio demuestra el valor de extraer características de imágenes de tomografía computarizada no relacionadas con el cáncer para construir un modelo que pueda predecir mejor la supervivencia general en comparación con los parámetros clínicos solos (como la edad, el estado funcional y las comorbilidades) para los pacientes con cáncer de pulmón en estadio I tratados con SBRT”, escribió Nguyen.

“La puntuación de calcio en las arterias coronarias, la relación entre la arteria pulmonar y la aorta y la sarcopenia predijeron de forma independiente la supervivencia general”, escribió. “Estos resultados no son sorprendentes, ya que el valor pronóstico de cada una de estas características de imagen ya se ha establecido en la literatura”.

Nguyen señaló el poder de la suma de estas características de imágenes para predecir la supervivencia general.

“Sin embargo, los resultados de este estudio demuestran resultados prometedores que respaldan la noción de que la combinación de puntos de datos clínicos y de imágenes puede ayudar a construir un modelo de predicción más preciso para la supervivencia general”, escribió. “Esto es análogo a la calculadora de nódulos pulmonares solitarios de la Universidad de Brock (en St. Catharines, Ontario) que calcula el riesgo de malignidad en función de los puntos de datos clínicos y de imágenes. Sin embargo, primero se requiere la validación externa de los resultados de este estudio en otros centros”.

Fintelmann y Nguyen han declarado no tener ningún conflicto de interés económico pertinente.

Este artículo apareció originalmente en MDedge.comparte de la red profesional de Medscape.

.

Leave a Comment

Your email address will not be published.