Una nueva aplicación de la técnica de resonancia magnética conocida como MR Fingerprinting (MRF) demostró mayor capacidad de caracterización de lesiones de próstata en comparación con la resonancia multiparamétrica (mpMRI) convencional — el estándar actual en detección y estadificación del cáncer de próstata. El avance puede transformar el uso de la RM en la investigación de lesiones prostáticas sospechosas, potencialmente reduciendo biopsias innecesarias y mejorando la exactitud del diagnóstico inicial.
El cáncer de próstata es el segundo tipo de cáncer más frecuente en hombres a nivel mundial, y la RM multiparamétrica se consolidó en los últimos años como el principal estudio de imagen para su detección y estadificación. Basada en la evaluación combinada de secuencias T2 pesado, difusión (DWI) y, opcionalmente, perfusión con contraste dinámico (DCE), la mpMRI usa el sistema PI-RADS para clasificar la probabilidad de malignidad. Sin embargo, una proporción significativa de lesiones clasificadas como sospechosas resulta benigna en la biopsia, mientras que algunas lesiones clínicamente significativas escapan a la detección.
Qué es el MR Fingerprinting y Cómo Funciona
El MR Fingerprinting es una técnica desarrollada originalmente en la Case Western Reserve University por los doctores Dan Ma y Mark Griswold. En lugar de adquirir secuencias de RM estandarizadas y optimizadas para un tipo específico de contraste, el MRF utiliza secuencias con parámetros que varían de forma pseudoaleatoria a lo largo del tiempo, creando una «huella digital» única de la señal de cada tejido.
Estas huellas digitales se comparan con un diccionario computacional previamente calculado, que contiene las firmas de señal esperadas para diferentes combinaciones de propiedades tisulares (T1, T2, fracción de grasa, coeficiente de difusión, etc.). El resultado es un mapa cuantitativo de múltiples propiedades tisulares, obtenido en una única adquisición, más rápida que el conjunto de secuencias de la mpMRI convencional.
Aplicación del MRF a las Lesiones de Próstata
En la próstata, la diferenciación entre tejido benigno, hiperplasia benigna y adenocarcinoma clínicamente significativo depende de características tisulares que las secuencias convencionales capturan de forma incompleta. El MRF, al mapear simultáneamente T1, T2, fracción de agua libre y otros parámetros, ofrece un perfil tisular más completo — una verdadera «huella» del tejido analizado.
Estudios recientes demostraron que el MRF puede distinguir con mayor especificidad entre cáncer de alto grado (Gleason ≥7) y tejido benigno, en comparación con los scores PI-RADS basados en mpMRI convencional. Esta mayor especificidad tiene impacto clínico directo: menos biopsias de lesiones benignas o de bajo riesgo, y mayor confianza en la indicación de biopsia en los casos realmente sospechosos.
Ventajas sobre la mpMRI Convencional
La mpMRI convencional, aunque eficaz, tiene limitaciones conocidas. Depende de múltiples secuencias con parámetros fijos, cuyo rendimiento varía con el campo magnético, la bobina utilizada, el protocolo de adquisición y la experiencia del radiólogo. La variabilidad interobservador en el score PI-RADS es un problema documentado, especialmente para lesiones intermedias (PI-RADS 3).
El MRF ofrece datos cuantitativos y reproducibles, en principio menos dependientes del operador y del equipo específico, una vez que el diccionario de referencia se construye a partir de principios físicos. Esto podría facilitar la comparación de estudios realizados en equipos diferentes, en momentos distintos o en centros diferentes — algo particularmente relevante para el seguimiento longitudinal de lesiones en vigilancia activa.
Implicaciones para la Práctica Clínica
Para los radiólogos, la incorporación del MRF exige familiarizarse con un nuevo paradigma de análisis de imagen — menos visual y más cuantitativo. En lugar de evaluar subjetivamente la intensidad de señal en T2 o el grado de restricción en la difusión, el radiólogo trabaja con mapas paramétricos numéricos. Esto acerca la interpretación de RM a la objetividad de la TC, preservando a la vez la riqueza de información tisular que es la gran ventaja de la RM.
El potencial de integración con IA es directo: los mapas paramétricos cuantitativos son inputs naturalmente compatibles con modelos de aprendizaje automático, que pueden aprender a clasificar lesiones con base en patrones de T1, T2 y otros parámetros mapeados por el MRF. Los algoritmos entrenados en estos datos tienen el potencial de superar la variabilidad interobservador humana y proporcionar puntajes de riesgo más granulares que el PI-RADS actual.
La técnica aún está en fase de maduración clínica, con los tiempos de adquisición y el procesamiento computacional del diccionario que deben optimizarse para viabilidad en un flujo de trabajo de rutina. Pero los resultados publicados indican que el MRF tiene potencial para convertirse en un componente esencial de la RM prostática de próxima generación.
Fuente: AuntMinnie
