Anales de la RANM

40 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 cos virtuales in-silico se crean para avanzar en el es- tudio de las enfermedades raras, la identificación de biomarcadores subrogados tempranos, y el desarro- llo de las imágenes computacionales en los estudios EORIS. Un ejemplo de biobanco es el nodo valencia- no de Euro-BioImaging (ESFRI europea). Este bio- banco se construye para evaluar en abierto, dando soporte a los investigadores que soliciten acceso a través de convocatorias abiertas, el impacto de los nuevos biomarcadores en el diagnóstico temprano de la enfermedad, su fenotipado, gradación, terapias dirigidas, evaluación de la respuesta al tratamiento y sus posibles efectos adversos. Este Nodo ofrece, ade- más, a través de sus relaciones consorciadas, el acce- so a las herramientas de procesamiento de imágenes, extracción de datos radiómicos y de biomarcadores de imagen, simulación biomédica, inteligencia arti- ficial y bioinformática, minería de datos, y desarro- llo ad-hoc de productos y recursos computacionales de altas prestaciones. Los principales servicios prestados por un bioban- co de imágenes como el nodo valenciano de Euro- BioImaging, incluyen gestionar las imágenes (acep- tación, etiquetado, formatos, modalidades, calidad, metadatos, enlace a datos clínico-biológicos exter- nos), proveer de datos (comité de acceso, comité éti- co, procesos de consulta, anonimización, recupera- ción de información externa relacionada), generar y validar hipótesis diagnósticas, predictoras y pro- nósticas con macrodatos y biomarcadores de imagen (precisión, exactitud, intervalos de confianza) y, fi- nalmente, establecer inferencias entre los fenotipos computacionales y la evolución clínica. Cuando se recogen datos del mundo real (RWD) para emular estudios experimentales prospectivos (tipo RCT), deben definirse y establecerse los mismos pa- rámetros y metodologías. De esta forma ambos es- tudios se aproximan para obtener un nivel alto de evidencia para inferir causalidades en los resultados (RWE) (Figura 4). Entre los principales aspectos a definir antes de comenzar a recoger datos retrospec- tivos debemos considerar (9,14): • Criterios de inclusión en el reclutamiento de pa- cientes: ¿se ha basado en la presencia de sínto- mas, resultados de pruebas anteriores, existen- cia de estudios índice, poder padecer una enfer- medad o tenerla confirmada con un estándar de referencia? • Selección de la muestra de participantes: ¿se re- cogieron los casos de forma consecutiva?, ¿se explica cómo se seleccionaron los participan- tes?, ¿están definidos los criterios de exclusión? • Control de las variables de confusión: ¿se han considerado como covariables las característi- cas sistemáticas de confusión que puedan in- fluir en el resultado final, como las diferencias epidemiológicas, de fenotipo, gradación, esta- dio, intervalos temporales y tratamientos?, ¿se han considerado las diferencias metodológicas que puedan inducir a error? • Recopilación de datos: ¿se planificó cómo reco- ger la información antes del muestreo? ¿Puede simularse la recogida de datos como en un en- sayo clínico? • Patrón de referencia: ¿se ha justificado y descri- to su uso?, ¿está referenciado? • Observadores: ¿se ha descrito el número, capa- citación y experiencia de las personas que rea- lizan las pruebas, obtienen los biomarcadores e interpretan los resultados de las pruebas índice y del patrón de referencia? • Estudio ciego: ¿se ha descrito si los lectores de las pruebas y del patrón de referencia conocían los resultados de otras pruebas o el estado clíni- co final del paciente? • Especificaciones técnicas en Material y Méto- dos: ¿se describe cómo y cuándo se obtuvieron las imágenes?, ¿están definidos los atributos y marcadores de imagen derivados? • Decisiones internas: ¿se han definido las unida- des empleadas, los puntos de corte y las catego- rías de los resultados? ¿se han descrito todos los tratamientos? • Control de sesgos: ¿se han descrito los tiem- pos entre procesos en la práctica clínica habi- tual?, ¿se han valorado los criterios de asigna- ción de tratamiento empleados y sus posibles desviaciones? Así, para que un estudio EORIS pueda emular un ensayo clínico ( Target Trial ) y obtener modelos estimativos objetivos para evaluar inferencias con los datos de imagen computacional, los biomarca- dores de imagen (datos radiómicos y parámetros dinámicos) se deben considerar como covariables “no-expuestas” ya que no se tuvieron en cuenta en la toma de decisiones prácticas. De esta forma pueden inferirse resultados explicativos con co- hortes virtuales de enfermedades para descubrir biomarcadores (guiadas por la enfermedad) o co- hortes agrupadas por el resultado de los biomar- cadores y así estimar fenotipos y respuestas (guia- das por la imagen). Los biobancos centralizados son repositorios que constituyen una plataforma integrada y estructura- da. Su objetivo principal es proporcionar acceso a los datos y servicios de procesamiento de imáge- nes, para estudios clínicos observacionales con da- tos disociados, y así poder emular ensayos clínicos observacionales in-silico . METODOLOGÍA PARA INFERIR EVIDENCIA DE DATOS OBSERVACIONALES ASISTENCIALES EL EJEMPLO DE PRIMAGE (RIA H2020, PROYECTO 826494)