Para los pacientes con carcinoma hepatocelular (CHC), la presencia de invasión microvascular (IMV) es uno de los factores pronósticos más importantes. Las células tumorales que han infiltrado los vasos sanguíneos cercanos aumentan drásticamente el riesgo de recurrencia después de la resección quirúrgica o la ablación. Pero la IMV actualmente solo puede confirmarse después de la cirugía, examinando el tejido resecado bajo un microscopio, demasiado tarde para informar la decisión inicial del tratamiento.
Un modelo de deep learning desarrollado en 23 hospitales de China podría cambiar eso. Llamado MAPUSE (MVI AI Prediction via Contrast-enhanced Ultrasound with Explainability), el modelo predice la IMV a partir de videos de ecografía con contraste (CEUS) preoperatorios, alcanzando valores de AUC entre 0,835 y 0,978 en múltiples cohortes de validación.
El estudio, publicado el 10 de julio en Nature Communications (DOI: 10.1038/s41467-026-74985-y), fue liderado por investigadores del Hospital General del EPL de China, el Instituto de Automatización de la Academia China de Ciencias y otros 21 centros.
Un Transformer para la ecografía
El modelo MAPUSE utiliza una arquitectura TimeSformer, un modelo de video completamente basado en Transformer sin backbone convolucional, para analizar 48 fotogramas de cada video CEUS, muestreados en las fases arterial (0 a 45 segundos), venosa (45 a 120 segundos) y de retardo (180 a 190 segundos). La región de interés incluye un cuadro delimitador ampliado 1,2 veces alrededor del tumor más el tejido peritumoral, lo que superó al análisis exclusivo del tumor.
El equipo reunió 5.148 videos CEUS de 1.716 pacientes con CHC en 23 hospitales, uno de los conjuntos de datos de ecografía con IA más grandes reunidos para este propósito. Los videos comprendieron más de 3,3 millones de fotogramas individuales. El entrenamiento utilizó 495 pacientes, con validación interna en 213, prueba de hold-out en 190 pacientes utilizando dos agentes de contraste ecográfico diferentes (Sonovue y Sonazoid), y validación prospectiva en dos cohortes independientes, una en el sur de China (Guangzhou) y otra en el norte de China (Beijing).
Rendimiento en las cohortes
El AUC del modelo varió desde 0,835 en el conjunto de prueba hold-out de Sonovue hasta 0,986 en el conjunto de entrenamiento. En la validación prospectiva, la cohorte del sur alcanzó un AUC de 0,886 y la del norte de 0,847.
El rendimiento dependía fuertemente del tamaño del tumor. Para tumores de más de 5 cm, el AUC alcanzó 0,978. Para tumores entre 3 y 5 cm, cayó a 0,814, y para tumores menores de 3 cm, precisamente el grupo donde la evaluación preoperatoria de la IMV sería más valiosa clínicamente, el AUC disminuyó a 0,756.
Explicabilidad biológica
Una de las contribuciones notables del estudio es su intento de explicar qué está detectando realmente el modelo. Solo el 15 % de las áreas de alta atención del modelo en los mapas de calor ecográficos coincidieron con la ubicación física real de la invasión microvascular, lo que significa que el modelo no está viendo directamente émbolos tumorales en los vasos sanguíneos. En cambio, a través de un análisis de triple verificación que involucra secuenciación de ARN en masa (203 pacientes), secuenciación de ARN unicelular (12 pacientes, 86.412 células inmunitarias) e inmunohistoquímica (64 pacientes, 160 áreas de atención), el equipo demostró que las puntuaciones altas de riesgo de IMV se correlacionan con una infiltración reducida de células T CD8+ en el microambiente tumoral.
«Los pacientes con alto riesgo de IMV tienen un fenotipo de desierto inmunitario», escriben los autores. El modelo parece detectar características ecográficas que se correlacionan con la exclusión inmunitaria, un microambiente tumoral hostil a las células T citotóxicas, que a su vez se asocia con una mayor probabilidad de invasión vascular.
Implicaciones clínicas
En una cohorte separada de 568 pacientes de ablación, aquellos clasificados como de alto riesgo de IMV por MAPUSE que recibieron inmunoterapia adyuvante tuvieron una supervivencia libre de enfermedad a 5 años significativamente mejor que aquellos que no la recibieron (30,8 % vs. 14,6 %; hazard ratio de 0,61). Esto sugiere que el modelo podría ayudar a identificar a los pacientes con mayor probabilidad de beneficiarse de la inmunoterapia después de la ablación, un grupo actualmente seleccionado con criterios que no incluyen el estado de IMV.
Los autores enfatizan que el modelo no pretende reemplazar la patología sino proporcionar una evaluación de riesgo preoperatoria que actualmente no existe. El estado de IMV sigue siendo un hallazgo posquirúrgico; MAPUSE ofrece una ventana a esa información antes de la primera incisión.
Traducido por Alessandra
Fuente: Pang, C., Ru, J., Liu, Y. et al. «Prediction of microvascular invasion in hepatocellular carcinoma using contrast-enhanced ultrasound and deep learning.» Nature Communications (2026). DOI: 10.1038/s41467-026-74985-y