Saldívar-Rodea CA, Guerrero-Avendaño GM, Benítez-Barradas MI, Reyes- Caldelas MÁ

Idioma: Español
Referencias bibliográficas: 15
Paginas: 279-293
Archivo PDF: 885.26 Kb.

RESUMEN

Introducción: los gliomas representan aproximadamente 77% de los tumores primarios cerebrales malignos. En los tumores astrocíticos el grado I corresponde a astrocitoma, el grado II a astrocitomas difuso y pilomixoide, el grado III a astrocitoma anaplásico y el grado IV a glioblastoma. La resonancia magnética tiene gran utilidad en el diagnóstico, clasificación y tratamiento de los pacientes con tumores astrocíticos.
Objetivo: evaluar el grado de correlación entre la imagen y los hallazgos histopatológicos.
Material y Método: estudio retrospectivo del 2013 al 2015 donde se incluyeron 25 pacientes. Todos los pacientes contaban con confirmación histo- o anatomopatológica. De los 25 pacientes del estudio 12 fueron diagnosticados mediante resonancia magnética como tumores astrocíticos, 10 como tumores de otra estirpe histológica, 2 casos como abscesos y 1 como hemorragia intraparenquimatosa.
Resultados: de los 12 pacientes diagnosticados de forma genérica como tumores astrocíticos a 4 se les asigno un grado histológico acertado. Podemos agrupar los diagnósticos radiológicos emitidos en tres grandes grupos: 1) tumores astrocíticos; 2) tumores de estirpe histológica diferente a astrocitomas y 3) lesiones de etiología diferente a neoplasias. Analizando los resultados del estudio surge la necesidad de estandarizar y validar tanto el protocolo de resonancia magnética como el reporte médico-radiológico.
Conclusión: se propone la idea de mejorar la fiabilidad e interpretación generando protocolos de adquisición de imágenes e interpretación radiológica (de forma estructurada) que disminuyan la variabilidad interobservador.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Margaret W, Yuriko M, Terri C, et al. Epidemiology of primary brain tumors: Current concepts and review of the literature. Neuro-Oncology 2002:278-299.

2. Judith AS, James LF, Kenneth DA et al. Epidemiology and molecular pathology of glioma. Nature Clinical Practice 2006;2(9):494 -503.

3. David NL, Hiroko O, Otmar D, et al. The 2007 WHO Classification of Tumours of the Central Nervous System. Acta Neuropathol 2007;114:97-109.

4. David NL, Arie P, Guido R, et al. The 2016 World Health Organization Classification of Tumors of the Central Nervous System: a summary. Acta Neurophatol 2016;131: 803-820.

5. Ranjith G, Parvathy R, Vikas V, et al. Machine learning methods for the classification of gliomas: Initial results using features extracted from MR spectroscopy. Neuroradiol J. 2015;28(2):106-11.

6. Shuichi H, Xia Y, Toshihiro K, et al. Malignant Astrocytic Tumors: Clinical Importance of Apparent Diffusion Coefficient in Prediction of Grade and Prognosis. RSNA Radiology 2006;241(3):839-846.

7. Jayashree KC, Elizabeth RG, Kyrre EE, et al. Advanced Magnetic Resonance Imaging of the Physical Processes in Human Glioblastoma. Cancer Res 2014;74(17):4622– 4637.

8. Jain KK, Sahoo P, Tyagi R, et al. Prospective glioma grading using single-dose dynamic contrast-enhanced perfusion MRI. Clinical Radiology;70(10):1128-1135.

9. Min ZG, Liu HJ, Li M, et al. Accuracy of MR perfusion weighted imaging for cerebral glioma grading: a metaanalysis. Zhonghua Yi Xue Za Zhi 2010;90(41):2927-31.

10. Mabray MC, Cohen BA, Villanueva-Meyer JE, et al. Performance of Apparent Diffusion Coefficient Values and Conventional MRI Features in Differentiating Tumefactive Demyelinating Lesions From Primary Brain Neoplasms. AJR Am J Roentgenol 2015;205(5):1075–1085.

11. Cheng HT, Kuo-Chen W, Chen-Nen C, et al. Differentiation of Brain Abscesses from Glioblastomas and Metastatic Brain Tumors: Comparisons of Diagnostic Performance of Dynamic Susceptibility Contrast-Enhanced Perfusion MR Imaging before and after Mathematic Contrast Leakage Correction. PLoS One 2014;9(10): e109172.

12. Bohman L, Swanson KR, Moore JL, et al. Magnetic resonance imaging characteristics of glioblastoma multiforme: implications for understanding glioma ontogeny. Neurosurgery. 2010 Nov;67(5):1319-27.

13. Wu CX, Lin GS, Lin Z, et al. Peritumoral edema shown by MRI predicts poor clinical outcome in glioblastoma. World J Surg Oncol 2015;13:97.

14. Reardon DA, Ballman KV, Buckner JC, et al. Impact of imaging measurements on response assessment in glioblastoma clinical trials. Neuro Oncol.2014;16(l 7): 24-35.

15. Lambron J, Rakotonjanahary J, Loisel D, et al. Can we improve accuracy and reliability of MRI interpretation in children with optic pathway glioma? Proposal for a reproducible imaging classification. Neuroradiology 2016;58(2):197-208.