Información de la revista

Congreso

Contenidos del congreso
Congreso
XXXVIII Congreso Nacional de la Sociedad Española de Medicina Interna (SEMI) / XV Congreso de la Sociedad de Medicina Interna de Madrid-Castilla La Mancha (SOMIMACA)
Madrid, 22 - 24 noviembre 2017
Listado de sesiones
Comunicación
31. Varios
Texto completo

V-072 - ANÁLISIS DE TEXTURAS DE LESIONES PULMONARES DETECTADAS MEDIANTE TOMOGRAFÍA COMPUTARIZADA (TC)

M. Palacios Milán1, E. Arana Fernández de Moya2, A. Martín Larroza Santacruz3, V. Ramos Sesma1, A. Guillamón Sánchez1 y J. Blázquez Encinar1

1Medicina interna. Hospital de Torrevieja. Torrevieja (Alicante). 2Radiología; 3Biofísica. Fundación Instituto Valenciano de Oncología. Valencia.

Objetivos: Determinar si el análisis textural de lesiones pulmonares observadas en TC es capaz de diferenciar la benignidad/malignidad y el tipo histológico de las mismas en pacientes con sospecha de cáncer de pulmón, sin necesidad de recurrir a una prueba invasiva que lo confirme histopatológicamente. Evaluar si el análisis textural es un método predictor independiente de supervivencia en cáncer de pulmón.

Material y métodos: Estudio analítico, experimental, longitudinal y retrospectivo de 129 pacientes que incluyó a 87 varones con una media de edad de 64,74 ± 10,92 años. A todos los pacientes se les llevo a cabo TC y confirmación histológica. A través del software Mazda, se marcó una región de interés (ROI) en las 129 lesiones pulmonares detectadas por TC (25 benignas y 104 malignas) y por cada ROI, el software calculó 263 parámetros texturales. Las comparaciones realizadas fueron benignos frente malignos; benignos frente otros malignos (metástasis); benignos frente adenocarcinoma; benignos frente epidermoide, adenocarcinoma frente epidermoide frente otros malignos y adenocarcinoma frente epidermoide. El elevado número de variables texturales podría ser causa de disminución en el rendimiento del clasificador, para obtener mayor rendimiento, se utilizó la máquina de vectores soporte múltiple con eliminación recursiva de atributos (mSVM-RFE). Se probaron varios clasificadores, seleccionando el clasificador con mejor resultado y usando las variables más significativas ordenadas por el mSVM-RFE se obtuvo en cada comparación el área bajo la curva (AUC), sensibilidad y especificidad. Las mejores variables ordenadas por el mSVM-RFE fueron distribuidas por análisis de componentes principales (PCA) en cinco grupos para observar si tenían efecto sobre la supervivencia (tabla).

Resultados: La precisión más alta se logró en la comparación “adenocarcinoma frente carcinoma epidermoide” con un AUC = 0,92, sensibilidad = 0,80 y especificidad = 0,86 (figs. 1 y 2). En la regresión de Cox, excluyendo el TNM, tres grupos de variables creadas por PCA dieron resultados significativos, siendo la variable textural S(5,5)SumAverg, perteneciente al método matriz de co-ocurrencia nivel gris (GLCM) la que mejor predecía la supervivencia de los pacientes (p = 0,01) (fig. 2).

Comparación

Clasificador

Parámetros texturales

AUC ± DE

Sensibilidad

Especificidad

Punto de corte curva ROC

Benignos frente malignos

KNN

Vertl_GlevNonU

0,72 ± 0,12

0,85 ± 0,06

0,53 ± 0,20

0,7

45 dgr_RLNonUni

Sigma

Benignos frente otros malignos

SVM poly

Sigma

0,82 ± 0,13

0,74 ± 0,2

0,68 ± 0,21

0,5

135dr_ShrtREmp

Benignos frente ADC

KNN poly

Perc.90

0,72 ± 0,12

0,70 ± 0,14

0,69 ± 0,17

0,79

45 dgr_ShrtREmp

45 dgr_RLNonUni

Horzl_GLevNonU

Horzl_ShrtREmp

Variance

Sigma

S(0.1)InvDfMom

Benignos frente CCE

KNN

Vertl_ShrtREmp

0,72 ± 0,14

0,71 ± 0,19

0,58 ± 0,21

0,44

45 dgr_ShrtREmp

S(5.5)SumAverg

ADC frente CCE frente otros malignos

KNN

ADC frente CCE

VM linear

WavEnHH_a-2

0,9 ± 0,12

0,80 ± 0,15

0,86 ± 0,21

0,79

Vertl_GlevNonU

S(0.1)InvDfMom

WavEnHL_a-2

WavEnHH_a-1

Sigma

Vertl_ShrtREmp

Figura 1

Figura 2

Discusión: La comparación “tumores benignos frente malignos” presentaba unos resultados moderados a diferencia de otros estudios. La clasificación que mejor discriminaba fue “adenocarcinoma frente epidermoide”. La matriz de co-ocurrencia nivel gris (GLCM) es el método de análisis textural más utilizado en la proyección de imagen biológica de cáncer de pulmón; en nuestro estudio fue la variable textural S(5,5)SumAverg que pertenece a este método la que mejor predecía la supervivencia.

Conclusiones: La tasa de precisión para diferenciar tumores benignos frente a malignos a través del análisis de texturas no mostró ser mejor que estudios anteriores. Sin embargo, nuestros resultados sugieren que el análisis de texturas por TC resulta ser una técnica de imagen capaz de diferenciar la histología más frecuente en tumores malignos. El análisis de texturas por TC resulta ser un predictor independiente de supervivencia para los pacientes con cáncer de pulmón, aunque son necesarios estudios ulteriores para valorar su efectividad como factores pronósticos.

Comunicaciones disponibles de "Varios"

Listado de sesiones

Idiomas
Revista Clínica Española
es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?