Riassunto analitico
Il trapianto renale rappresenta attualmente il trattamento di scelta per l’IRC terminale. La presenza di fibrosi interstiziale e atrofia tubulare (IFTA) a livello del trapianto (graft) è una forma comune, irreversibile e progressiva di danno cronico da allotrapianto ed ha importanti implicazioni terapeutiche e prognostiche a lungo termine sulla sopravvivenza dell’organo stesso, indipendentemente dalla causa che l’ha generata. L'infiammazione, sia microvascolare che interstiziale, è invece considerata una forma reversibile di lesione del trapianto. Attualmente il gold standard per la diagnosi di patologia del graft è la biopsia, che viene classificata secondo il BANFF Score (2017). Tale esame, però, presenta diversi limiti come l’operatore-dipendenza, lo studio di <1% del parenchima, l’invasività dell’esame. Le tecniche di MRI (Magnetic Resonance Imaging) standard e fMRI (MRI funzionale), metodiche non invasive, teoricamente affidabili e riproducibili e che permettono di analizzare il 100% del parenchima del graft, rappresentano un interessante campo di studio per l’analisi del grado di fibrosi. Tuttavia, le tecniche fMRI sono attualmente difficilmente disponibili.
Il presente studio retrospettivo si propone di sfruttare la Texture Analysis MRI (TA-MRI) - tecnica radiomica che fornisce una valutazione quantitativa dei tessuti a partire da immagini MRI standard – per generare features radiomiche che possono essere inserite in un modello di Machine Learning per valutare la loro capacità di prevedere parametri clinici o istologici.
Obiettivo principale: Identificare le migliori features/combinazioni di features texture derivate da esame MRI del graft per la stima di IFTA>50%.
Obiettivi secondari: stima di IFTA > 25%, presenza di infiammazione totale (ti), infiammazione microvascolare (glomerulite + capillarite peritubulare [g+ptc]) e sclerosi.
Sono stati studiati 60 pazienti portatori di graft renale che avessero eseguito almeno una biopsia del graft e una MRI a distanza di meno di 6 mesi e che presentassero immagini MRI adeguate allo studio. Dato che diversi di loro avevano più di una biopsia e più di una MRI, sono state individuate in tutto 67 coppie biopsia-MRI.
I risultati dell’elaborazione vengono forniti come Signature Radiomica, la quale consiste nell’elenco di Features utilizzate per costruire il modello. Tramite algoritmi di Machine Learning sono stati prodotti modelli che avessero lo scopo di predire gli outcomes.
Analizzando i risultati:
- IFTA ≥ 50%: T2 corteccia : AUC: 0.77, sensibilità 73%, specificità 71% ;
- IFTA ≥ 25%: T1 parenchima : AUC 0.71, sensibilità 74%, specificità 51% ;
- Glomerulite e capillarite tubulare : AUC=0.74, sensibilità 78%, specificità 68%;
- Non è stata rilevata alcuna previsione accettabile per Infiammazione Totale >0.
Si può infine affermare che le features radiomiche studiate in MRI possono predire IFTA> 50% con una accettabile performance diagnostica.
I dati risultanti da questa prima tranche di studio suggeriscono che, tramite la Texture Analysis di sequenze di MRI, si potrebbero produrre biomarker utilizzabili nel follow-up dei pazienti allo scopo di valutare, attraverso un metodo non invasivo, il danno parenchimale cronico del graft, influenzando positivamente le scelte terapeutiche. Questi biomarkers, affiancati ad altri dati clinici (es: creatinina, eGFR, proteinuria) potrebbero portare ad un uso più mirato della biopsia renale a favore di un approccio meno invasivo come l’MRI tramite la costituzione di protocolli veloci di RM con lo scopo di acquisire specificamente le sequenze utili alla esecuzione della texture analysis.
Dati i risultati incoraggianti, si sta attualmente valutando di arricchire questo studio attraverso la comparazione tra le caratteristiche radiomiche ottenute dalla Texture Analysis MRI e la variazione di eGFR nel tempo.
|
