La obtención de biomarcadores de imagen está cambiando el paradigma en el ámbito asistencial y la investigación clínica, por ello, la radiómica está llamada a ser una revolución.
La radiómica aplicada a la medicina consiste en la extracción de datos cuantitativos de imágenes médicas. Estos datos aportan información sobre la imagen y pueden emplearse para crear algoritmos que predigan el diagnóstico y pronóstico de una enfermedad o que faciliten la toma de decisiones terapéuticas. Pueden emplearse imágenes radiológicas, histológicas, de medicina nuclear e, incluso, otros tipos de imágenes, como las dermatoscópicas.
Gracias a esta tecnología el diagnostico por imagen pasa de una interpretación subjetiva de las imágenes para el diagnóstico a una cuantificable a partir del análisis de datos no perceptibles a simple vista. El uso de algoritmos y de inteligencia artificial (IA) hace que estos biomarcadores de imagen pueden revelar la evolución futura de la enfermedad.
De acuerdo con Almudena Pérez, especialista de la Sociedad Española de Radiología Médica (SERAM) y radióloga en el Hospital Regional Universitario de Málaga, “básicamente se analiza la imagen médica y se estudian múltiples parámetros de los vóxeles que componen esa imagen, como el mínimo, máximo o rango de escala de grises o de escala de colores que presenta, cómo están distribuidos los vóxeles, si la muestra es heterogénea o la uniformidad de esta”. A estos parámetros que menciona la experta se les denomina características (“features”) y se les otorga un valor numérico obtenido del análisis de esa imagen. “Es una información no detectable por el ojo humano pero que contiene datos de gran relevancia. Existen cientos de características que pueden ser extraídas, lo cual supone un gran volumen de información sobre la imagen que se está analizando”, añade la especialista.
Beneficios en todos los campos
La enorme cantidad de información que se extrae de la imagen conlleva a que posteriormente se puedan generar diferentes algoritmos de inteligencia artificial como pueden ser métodos de Machine Learning o Deep Learning. “Los algoritmos pueden tener como objetivo predecir la histología de una lesión, facilitar el diagnóstico de una enfermedad, valorar el pronóstico del paciente, analizar una posible respuesta a diferentes tratamientos e incluso detectar mutaciones tumorales”, explica Pérez.
La mayoría de los estudios publicados actualmente con radiómica están centrados en el campo de la oncología, no obstante, puede ser útil para la detección y filiación de prácticamente cualquier lesión visible en una imagen médica.
“Casi todas las especialidades precisan de la imagen para su práctica clínica, y por ello la radiómica puede ser una herramienta de gran utilidad en el futuro con un campo de expansión tremendamente amplio y prácticamente aplicable en cualquier especialidad”, señala la radióloga, que también apunta que “en el campo de la histología y del diagnóstico por imagen, la radiómica puede ser una ayuda en la detección de lesiones y en la valoración del diagnóstico diferencial, por lo que probablemente mejore la precisión diagnóstica”.
En este sentido, en el área de oncología los datos extraídos en el análisis de las imágenes pueden emplearse para dar respuesta a múltiples cuestiones: tipo de tumor, estadio, detección de mutaciones tumorales, riesgo de desarrollar afectación ganglionar y metástasis a distancia, riesgo de recurrencia, posibilidad de respuesta a tratamiento y pronóstico del paciente. “Esto supone un volumen sustancial de información que puede facilitar la toma de decisiones terapéuticas y determinar el perfil de riesgo del paciente”, añade Pérez.
Desafíos existentes y futuro
Actualmente, diversos estudios han analizado la eficacia de la radiómica para predecir comportamientos de evolución futura de la enfermedad. “Ha demostrado utilidad para valorar la progresión de la enfermedad, el riesgo de recurrencia local y la probabilidad de desarrollo de metástasis a distancia mediante la identificación de ciertos biomarcadores radiómicos”, indica la especialista. “También puede predecir la respuesta a ciertos tratamientos específicos, como quimioterapia, radioterapia o inmunoterapia, y se ha empleado en los estudios de seguimiento para predecir el comportamiento tumoral permitiendo valorar la necesidad de modificación en el plan terapéutico”, apunta Pérez.
“Ha demostrado utilidad para valorar la progresión de la enfermedad, el riesgo de recurrencia local y la probabilidad de desarrollo de metástasis a distancia mediante la identificación de ciertos biomarcadores radiómicos”
Sin embargo, todavía existen diversas limitaciones para la implantación de forma generalizada de herramientas basadas en radiómica. La limitación fundamental es que la imagen obtenida puede ser muy sensible a cambios en los parámetros técnicos de adquisición de la imagen, como el espesor de corte, a modelos de equipo donde se realiza el estudio, uso de contraste en imagen radiológica o a la reconstrucción empleada. Y, tal y como apunta la experta, “Esto hace que los datos obtenidos en el análisis de radiómica entre dos hospitales diferentes puedan no ser comparables, y que los resultados de un centro no sean aplicables en otro al ser diferentes las características de la imagen obtenida”.
Necesidades
A pesar de que los beneficios y eficacia de esta herramienta están demostrados, es necesario la implementación de ciertos factores que fomenten su aplicación de manera adecuada.
“En términos generales, se considera que la radiómica actualmente se encuentra en una fase de desarrollo ya que se precisan estudios de validación contrastados para la implementación de cada aplicación específica en la práctica clínica. No obstante, algunas aplicaciones clínicas que se encuentran en uso en diferentes especialidades médicas, si bien es cierto que suelen precisar la utilización de softwares específicos y eso limita su expansión”, explica Pérez.
“La uniformización de protocolos de adquisición de imagen puede aumentar la robustez de los datos obtenidos, haciendo que los resultados sean aplicables entre diferentes centros. En cualquier caso, se precisan estudios que permitan valorar la equivalencia de los datos entre diferentes equipos y la validez de los algoritmos previamente a su utilización en la práctica clínica”, apunta la radióloga.
Asimismo, la utilización de bases de datos conjuntas entre diferentes hospitales y la validación de algoritmos en diferentes centros podría mejorar la aplicación de las herramientas de radiómica. “Esto puede ser especialmente útil en el campo de la oncología, donde la predicción de características y comportamiento del tumor pueden hacer diferencias significativas en el manejo del paciente”, subraya Pérez.
Por otro lado, en España se necesita impulsar una formación sobre inteligencia artificial en medicina. “No forma parte de la mayoría de los programas formativos de grado en medicina, y no existen rotaciones específicas ni áreas de formación durante la residencia”, aclara Pérez. “Hay cursos enfocados de forma directa sobre inteligencia artificial y radiómica, pero la realidad es que existen escasas opciones para el aprendizaje de estas técnicas que permitan al radiólogo desarrollar trabajos de investigación y en un futuro integrar este conocimiento en su práctica clínica”, concluye la radióloga.
También te puede interesar…
