Anales de la RANM

38 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 volucionales profundas mediante técnicas más conoci- das como Deep Learning , sean una manera disruptiva de cambiar esta tendencia, al hacer posible que estas redes complejas aprendan a controlar la heterogeneidad inhe- rente a los datos de imagen. Es muy probable que la Inte- ligencia Artificial sea capaz de extraer datos, atributos y parámetros de las imágenes médicas, y de integrarlos en agrupaciones no supervisadas, incluso en entornos con mucha incertidumbre y variabilidad, mediante el recono- cimiento de estas variaciones y la incorporación al análi- sis de los metadatos asociados. La imagen médica ha contribuido notablemente al de- sarrollo de la medicina personalizada. En un principio, las diversas modalidades de imagen han contribuido en la detección, caracterización y estadiaje de numerosas lesio- nes y enfermedades. Con su utilización masiva, gran par- te de los pacientes se benefician de esta precisión a la hora de definir si padecen una enfermedad, la localización de las lesiones y la estimación de la mejor aproximación te- rapéutica. Sin embargo, y pese a la gran resolución espa- cial obtenida en las imágenes tomográficas (tales como RM, TC y PET), la información que estas pruebas gene- ran no es completa y presenta algunas lagunas para poder tomar decisiones individualizadas en base a la evidencia actual. Así, tras detectar un glioma cerebral, se descono- cen aspectos tan importantes como la extensión de la in- filtración peritumoral, la afectación de los fascículos de sustancia blanca adyacentes, el nivel regional de oxígeno para calcular la sensibilidad a la radioterapia, los subgru- pos celulares de comportamiento diferentes, la neoangio- génesis y su sensibilidad a la terapia antiangiogénica, y el pronóstico como estimación de supervivencia como in- formación a priori para ensayos clínicos. En un intento de dar respuesta a estas necesidades, y otras muchas relevantes a otras enfermedades, se ha de- sarrollado la imagen médica computacional con los bio- marcadores de imagen (11). Esta ciencia estudia los teji- dos a partir de sus imágenes en un intento de describir aquellos fenómenos considerados como relevantes para el paciente, con exactitud y veracidad. Se necesita conoci- miento para analizar mediante procesos computacionales los cambios biológicos tisulares asociados a la enferme- dad desde sus imágenes médicas y así poder detectar, cla- sificar y representar estas anomalías. Estos datos extraí- dos por análisis computacional in-silico se emplean para construir modelos descriptivos y predictivos en base a las correlaciones con la realidad biopatológica y los resulta- dos clínicos finales. Si se establecen estas correlaciones, entonces se consideran como biomarcadores de imagen. En general, se considera biomarcadores a todas aquellas características que puedan medirse de forma objeti- va y que se comporten como indicadores subrogados de procesos biológicos normales, cambios patológi- cos o respuestas farmacéuticas. En nuestro caso, los biomarcadores de imagen son parámetros cuantita- tivos subrogados, extraídos computacionalmente de las imágenes médicas. Estos datos, obtenidos píxel-a- píxel, pueden representarse como imágenes paramé- tricas donde la distribución y magnitud del cambio permite el análisis de la localización y heterogeneidad espacial. Además, y dado que no se destruye la mues- tra cuando se adquieren las imágenes, estos cambios pueden analizarse en estudios longitudinales, pudien- do considerarse como resueltas también en el tiempo. Desde las imágenes adquiridas, conociendo los pará- metros que se quieren calcular y los conceptos que se quieren inferir, y tras preparar las imágenes a un mar- co de referencia común espacial (corregistro, escalado) y de señal (filtrado de ruido y normalización de la se- ñal), se extraen los datos computaciones desde dos en- tornos principales (Figura 3). Por un lado, está el do- LA RADIÓMICA Y LOS BIOMARCADORES DE IMAGEN EN LA MEDICINA PERSONALIZADA Figura 3. Flujo de datos computacionales y biomarcadores derivados de las imágenes. Las imágenes fuentes, con su información espacial, temporal y de señal complejas, se deben preparar para que exista cohesión espacial y de señal en todas las series de una modalidad. Tras segmentar la región de interés (un órgano o una lesión), pueden extraerse tanto atributos radiómicos como pará- metros dinámicos. Tras un proceso de reducción de datos innecesarios, aquellas propiedades que se relacionen con los resultados diagnósticos, predictivos o pronósticos finales serán los que se consideren como biomarcadores de imagen.