Perfilado de radiómica CT basado en hábitats que perfila la heterogeneidad espacio-temporal en NSCLC resecable para predecir la respuesta patológica a quimioinmunoterapia neoadyuvante: un estudio multicéntrico

Por qué importa esto para las personas con cáncer de pulmón

Para las personas que afrontan cirugía por carcinoma no microcítico de pulmón, los médicos suelen añadir ahora una combinación de quimioterapia e inmunoterapia antes de la operación para reducir los tumores y mejorar el control a largo plazo. Sin embargo, no todos los pacientes se benefician por igual, y hoy no existe una forma sencilla y no invasiva de saber de antemano quién tiene más probabilidades de responder bien. Este estudio investiga si los patrones ocultos en las TC de rutina pueden revelar qué tumores son sensibles a este tratamiento combinado y cuáles no.

Mirando dentro de los tumores con pistas basadas en imágenes

Los investigadores se centraron en un concepto denominado hábitats tumorales, que trata al tumor no como una masa uniforme sino como un pequeño paisaje compuesto por regiones con diferentes apariencias en la TC. En lugar de medir solo cuánta variación tiene el tumor en su conjunto, también mapearon dónde se sitúan estas distintas regiones unas respecto a otras dentro del tumor. Al comparar las exploraciones realizadas antes y después del tratamiento, buscaron seguir tanto la disposición como el cambio temporal de estas regiones internas, capturando una imagen más completa del comportamiento tumoral.

Quiénes se estudiaron y qué información se utilizó

El equipo analizó TC de 394 pacientes con carcinoma no microcítico de pulmón resecable tratados en tres hospitales de China. Todos los pacientes recibieron un ciclo estándar de quimioinmunoterapia antes de la cirugía, y los tumores extirpados se examinaron al microscopio para ver cuánta enfermedad quedaba. Los pacientes se clasificaron como respondedores mayores cuando solo quedaba una fracción pequeña de células cancerosas, y como no respondedores cuando gran parte del tumor seguía viable. Para cada persona, los investigadores recopilaron datos clínicos básicos junto con medidas detalladas extraídas de sus imágenes CT previas y posteriores al tratamiento.

Convertir imágenes complejas en una puntuación de predicción

De cada tumor, los ordenadores extrajeron numerosas características numéricas que describen brillo, textura y patrones espaciales dentro de la exploración. Un conjunto de características resumía el tumor completo como un único objeto, mientras que otro conjunto capturaba cómo se disponían las regiones distintas, o hábitats, y cuán intensamente interactuaban entre sí. Un tercer grupo de características midió cómo cambiaban estas señales entre la primera y la segunda exploración. Métodos de aprendizaje automático luego filtraron estas mediciones para construir modelos que estiman la probabilidad de que un tumor muestre una respuesta fuerte a la terapia.

Qué tan bien funcionó el enfoque de imágenes

Cuando se probaron estos modelos, tanto las características del tumor completo como las basadas en hábitats mostraron por sí solas una capacidad razonable para separar a los respondedores mayores de los no respondedores. Sin embargo, el mejor rendimiento se obtuvo con un enfoque integrado que combinó información de ambas visiones del tumor. En grupos de pacientes independientes de distintos hospitales, este modelo combinado alcanzó niveles de precisión que sugieren que podría ser útil en la toma de decisiones clínicas reales. Análisis adicionales mostraron que el modelo tendía a funcionar particularmente bien en ciertos subtipos de cáncer de pulmón y en tumores situados más profundamente en el tórax, lo que apunta a que algunos escenarios anatómicos pueden hacer que los patrones de imagen sean más informativos.

Qué podría significar esto para las elecciones de tratamiento

Para un no especialista, el mensaje principal es que las TC habituales pueden contener mucha más información de la que se percibe a simple vista. Al tratar a los tumores como paisajes vivos compuestos por distintos vecindarios y al observar cómo cambian estos vecindarios durante la terapia, el estudio muestra que los médicos podrían estimar de antemano quién tiene más probabilidades de beneficiarse de la quimioinmunoterapia antes de la cirugía. Aunque se necesitan más trabajos y estudios prospectivos más amplios, este marco de imagen basado en hábitats apunta hacia un futuro en el que el tratamiento pueda ajustarse antes y con mayor seguridad, evitando a algunos pacientes terapias ineficaces mientras se da a otros la mejor oportunidad de control a largo plazo.

Cita: Peng, Q., Xu, Y., Shen, L. et al. Habitat-based CT radiomics profiling spatial-temporal heterogeneity in resectable NSCLC predict pathological response to neoadjuvant chemoimmunotherapy: a multi-center study. npj Precis. Onc. 10, 190 (2026). https://doi.org/10.1038/s41698-026-01388-z

Palabras clave: cáncer de pulmón, radiómica CT, quimioinmunoterapia, heterogeneidad tumoral, respuesta al tratamiento