Anales de la RANM

21 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 Luis Martí-Bonmatí An RANM. 2021;138(01): 16 - 23 ESTIMACIONES DE CAUSALIDAD CON IMAGEN MÉDICA EN ONCOLOGÍA Estos diseños observacionales analíticos con casos y controles deben seguir todavía más reglas para su aceptación como inferencia causal (1, 22, 23). Así, para poblar la base de datos que hemos definido con ese conjunto mínimos de datos relevantes deben seleccionarse los pacientes de una población diana con unos criterios de inclusión definidos durante el diseño del estudio. En concreto, debe establecerse si el reclutamiento está basado en la presencia de síntomas, en el resultado de pruebas de referencia, en la probabilidad de padecer una enfermedad o en la existencia de una enfermedad con unas caracte- rísticas clínicas concretas basadas en estándares de referencia. Este reclutamiento de datos debe definirse si se realizará de forma consecutiva, en un centro o en varios, durante que periodo de tiempo y desde que entorno clínico de selección (primaria, especia- lizada, referencia). También hay que definir en este momento los criterios de exclusión que se aplicarán para obtener una población final adecuada al estudio. Es muy importante el control de las variables de confusión. Durante el diseño de la base de datos hay que definir las características sistemáticas que puedan influir en el resultado final y que se incluirán en la base de datos, tales como las diferencias epidemio- lógicas relevantes a la enfermedad, los diferentes fenotipos conocidos, los grados de expresión y los estadios de extensión de la enfermedad, los instantes temporales en los que se van a recoger los datos de cada paciente y los tratamientos que se recogen, incluyendo aquellos concomitantes. También es fundamental definir y justificar los patrones de referencia que van a emplearse, su descripción y su aceptación científica. Para las variables más estructuradas relacionadas con los marcadores moleculares, genéticos y de imagen es fundamental definir de dónde, cómo y cuándo se obtuvieron los datos y sus instantes temporales. Debemos definir los biomarcadores que se extraerán de las imágenes como datos radiómicos. En definitiva, debe poder defenderse que la recogida de estos datos permitirá emular la recogida de datos de un proyecto o EECC prospec- tivo estándar. En este proceso debe tenerse un especial cuidado en la definición de las unidades, los puntos de corte y las categorías o grados de los clasificadores empleados, así como en la descrip- ción de todos los tratamientos recibidos. También debe definirse el número, la capacitación y la experiencia de los observadores que manejan los datos, obtienen los biomarcadores e interpretan las variables poco estructuradas como las que sólo se recogen como texto libre en las historias clínicas. También debe hacerse constar si los lectores de las pruebas y del patrón de referencia conocían los resultados de las otras pruebas o los resultados clínicos finales a estimar; es decir, si el estudio es ciego. En las inferencias de relación causa-efecto deben considerarse algunos de los criterios de causalidad de Bradford-Hill. De entre los más relevantes cabe resaltar que la relación inferida debe ser coherente (fiel a la biología y fisiopatología conocidas), potente y con gradiente (con magnitud y la dirección proporcionales), temporal (la causa precede al efecto y su curso evolutivo) y consis- tente (reproducible por diferentes investigadores y en diferentes entornos). Figura 4. Diseño y Completitud de una base de datos relacionada por el diseño de modelos estimativos de eventos clínicos (nuevo tratamiento, recaída, progresión, supervivencia) en el cáncer de mama (Proyecto Chaimeleon).