Anales de la RANM

35 A N A L E S R A N M R E V I S T A F U N D A D A E N 1 8 7 9 LA RADIÓMICA Y LOS BIOMARCADORES DE IMAGEN Luis Martí-Bonmatí An RANM · Año 2019 · número 136 (01) · páginas 34 a 42 Existen en Medicina muchas incertidumbres con res- pecto al mejor método científico que puede emplear- se para generar evidencias asistenciales y al papel de la imagen médica en esta inferencia de relaciones causa-efecto. El objetivo de este trabajo es analizar desde una aproximación crítica los niveles de evidencia y los gradosderecomendaciónaceptadosenlaactualidadpor la comunidad científica médica, evaluar críticamente el concepto de verdad en medicina y valorar su incertidumbre; reconocer el papel de la radiómica y los biomarcadores de imagen como aproximación científica de la imagen a la Medicina Personalizada; poner en valor los estudios observacionales in-silico con biobancos de imágenes médicas para generar evidencia a partir de datos provenientes del mundo real ( Real World Data -RWD, Real World Evidence -RWE) frente a los datos investigación ( Research Controlled Data , RCD); y establecer una propuesta metodológica para obtener la mejor inferencia de los datos observacionales asistenciales. Para ello tomaremos como ejemplo final el proyecto PRIMAGE ( Research and Innovation Action -RIA del programa Horizon 2020) del que somos coordinadores. Este proyecto realiza un análisis avanzado de eficiencia in-silico (computacional y multiescala) sobre un repositorio de macrodatos digitales (base de datos centralizada) para generar inferencias clínicas como modelos estimativos basados en estadística multivariante e inteligencia artificial para la ayuda a la toma de decisión ( Clinical Decision Support System -CDSS) en cáncer pediátrico. Las recomendaciones para establecer el valor de la evi- dencia y la potencia de la recomendación no están es- tandarizadas, aunque todas las clasificaciones existentes comparten propuestas muy similares. Un sistema sen- cillo y eficaz para determinar los niveles de evidencia, siendo unos de los más utilizados, se basa en las reco- mendaciones establecidas por el grupo de trabajo GRA- DE ( Grading of Recommendations Assessment, Develop- ment and Evaluation ) (1). En ellas se define el grado de conocimiento con el que podemos afirmar la validez de un contenido, es decir, si es verdadero; y su grado de in- certidumbre, o sea, las dudas sobre la afirmación. Este sistema emplea tres categorías de evidencia, ajustadas a dos grados de recomendación. Como evidencia, clasifi- ca como Alta (A) a los metanálisis, las revisiones siste- máticas y las conclusiones de ensayos clínicos múltiples y randomizados de alta calidad, estimando que sus tér- minos no se modificarán con las publicaciones de nue- vos estudios. Como evidencia Moderada (B) incluye las conclusiones de un ensayo clínico randomizado y los análisis de estudios múltiples no randomizados. Para esta evidencia de nivel B es posible que la publicación de nuevos estudios cambie la confianza en los benefi- cios y riesgos estimados. El nivel menor de evidencia es el Bajo (C), obtenido con el análisis de estudios obser- vacionales retrospectivos desde los registros de datos, y también de los estudios con series pequeñas o no-conse- cutivas. Sus estimaciones se consideran que son incier- tas. No se considera como evidencia sostenible la obte- nida de casos individuales, editoriales ni opinión de ex- pertos. Vemos que en este sistema las conclusiones de estudios observacionales retrospectivos se consideran como Evidencia Baja. Para estos niveles de evidencia (A, B, C) se ajustan los dos grados de recomendación: muy necesaria o sólida (grado 1) cuando la afirmación está justificada por una sociedad, asociándose a “debe hacer- se”; y neutra o débil (grado 2) cuando una sociedad su- giere su uso como “puede hacerse” (1). Como vemos, los estudios observacionales retrospecti- vos no se consideran válidos para generar evidencia de nivel alto, ni siquiera moderado, cuando se pretende determinar la existencia de asociaciones causales entre exposiciones o presencia de determinadas caracterís- ticas, como los atributos radiómicos y los parámetros dinámicos obtenidos de las imágenes, y las enfermeda- des o sus fenotipos de comportamiento concreto o ex- presión diferencial. Y se necesitan estos niveles altos de evidencia, asociados en general a metanálisis y revisio- nes sistemáticas de estudios prospectivos experimen- tales, sin o con grupo control, sin o con randomiza- ción, para asumir que la correlación observada implica la existencia de una relación de causalidad (Figura 1). Son precisamente los resultados de múltiples estudios prospectivos controlados y randomizados ( Randomi- zed Clinical Trials , RCT) los que presentan un nivel de evidencia mayor. Pero, cabe preguntarse si estos estu- dios RCT generan resultados universales, reproducibles, válidos en la práctica habitual y relevantes en el manejo práctico de los pacientes. INTRODUCCIÓN NIVELES DE EVIDENCIA Y DISEÑO DE ESTUDIOS CIENTÍFICOS Figura 1. Diseños más frecuentemente utilizados en metodología científica médica. Para determinar asociaciones causales suelen emplearse estudios prospectivos experimentales, siendo los ensa- yos clínicos aleatorizados con caso-control los que se asocian a una mayor evidencia. Sin embargo, sus resultados pueden no ser universales, reproducibles, validos ni relevantes en entornos asis- tenciales prácticos. Es por ello por lo que la vía de los estudios retrospectivos observacionales presenta numerosas ventajas.