Anales de la RANM

217 A N A L E S R A N M R E V I S T A F U N D A D A E N 1 8 7 9 TUMORES DE ESTIRPE NEUROBLÁSTICA EN EDAD PEDIÁTRICA Martí-Bonmatí L, et al. An RANM. 2024;141(03): 209 - 220 más representativas, 7 fueron características de radiómica de forma, dos de primer orden y 11 de segundo orden. Se observó el impacto y la direcci- onalidad de cada variable de mayor represent- ación. Por ejemplo, la variable de radiómica de forma Least axis length, que mide las variaciones en la longitud del eje más corto del tumor en 2D presenta un impacto positivo de la variable, lo cual implica que un mayor diámetro del eje más corto del tumor se asocia con un mayor riesgo de que suceda el evento (muerte). También, ante un valor mayor de la variable de radiómica de primer orden Skewness, referida a la asimetría de la distribución de las intensidades de los vóxeles pertenecientes a la región tumoral en torno al valor medio de la distribución (los tejidos altamente heterogéneos muestran una asimetría absoluta más alta que los homogéneos), existe mayor riesgo de fallecimiento del paciente. La variable de radiómica de segundo orden GLRLM (Run length non uniformity) mide la uniformidad en la distribución de las longitudes de las ejecuciones en la imagen. Un valor más alto de esta característica indica una mayor variabilidad en las longitudes de ejecución, lo que sugiere una textura más heterogénea en la imagen, y asocia a mayor riesgo de evento para el paciente. Las diez variables con un mayor valor predictivo en el modelo de supervivencia global fueron Shape least axis length, Skewness, Surface area, Maximum 2D diameter slice, Minor axis length, GLRLM Run length non uniformity, GLDM Dependence non uniformity, GLCM Maximum Correlation Coefficient, Shape Voxel Volume y Shape Mesh Volume. Estas características presentaron una relación positiva entre el valor de la variable y el riesgo de evento (Tabla 1). Las variables expuestas presentaron diferentes grados de reproducibil- idad y estabilidad en los análisis realizados previa- mente. Estas diez variables de radiómica expuestas podrían considerarse como variables candidatas a biomarcadores de imagen para la predicción de supervivencia global en pacientes pediátricos con tumores neuroblásticos. DISCUSIÓN La imagen es fundamental en los tumores neuroblásticos para su detección, caracterización y predicción de la respuesta al tratamiento. Al tratarse de tumores muy heterogéneos, existe una necesidad clínica de mejorar la caracterización de su agresividad. Este trabajo resume la metodo- logía computacional con biomarcadores de imagen, incluyendo los pasos de detección, segmentación tumoral y extracción de parámetros cuantitativos en RM, extrayendo características radiómicas que aportan una información complementaria a los sistemas de estadificación actuales. El proyecto PRIMAGE ha demostrado que los parámetros radiómicos mejoran los modelos de predicción de supervivencia, complementando los sistemas actuales. Los biomarcadores de imagen suponen Tabla 1. Resultados de los valores SHAP y del logaritmo del riesgo relativo (Hazard ratio) correspondientes al impacto de cada una de las variables más representativas del modelo Cox basado ​en radiómica y radiómi- ca profunda para el conjunto de datos de validación. Variable Shap value (promedio) Hazard ratio shape_LeastAxisLength 0,015 0,003855 firstorder_Skewness -0,008 0,003077 shape_SurfaceArea -0,006 0,002303 shape_Maximum2DDiameterSlice -0,003 0,001532 shape_MinorAxisLength -0,002 0,000764 glrlm_RunLengthNonUniformity -0,0012 0,000065 gldm_DependenceNonUniformity -0,0008 0,000036 glcm_MCC 0,0004 0,000021 shape_VoxelVolume -0,0003 0,000014 shape_MeshVolume 0,0002 0,000008