Anales de la RANM

23 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 Martí-Bonmatí L An RANM. 2022;139(01): 23 - 30 CÁNCER DE PÁNCREAS, RADIÓMICA E INTELIGENCIA ARTIFICIAL CÁNCER DE PÁNCREAS, RADIÓMICA E INTELIGENCIA ARTIFICIAL: UNA REVISIÓN PANCREATIC CANCER, RADIOMICS AND ARTIFICIAL INTELLIGENCE: A REVIEW Luis Martí-Bonmatí Académico de Número de la Real Academia Nacional de Medicina de España - Radiología Resumen La Tomografía Computarizada (TC) estratifican a los pacientes con adenocar- cinoma ductal pancreático (ACDP) en categorías según si el tumor es resecable, resecable limítrofe, o inicialmente irresecable o metastásico. En los informes de estas exploraciones los radiólogos utilizan plantillas estruc- turadas para garantizar que la información generada sea completa, aunque se reconoce la dificultad para identificar las infiltraciones iniciales de las estruc- turas adyacentes al tumor y las metástasis de pequeño tamaño. La radiómica se considera como una herramienta potencialmente útil para determinar la agresividad del tumor y construir modelos clínicos predictivos. Si estas firmas radiómicas se validan como biomarcadores pronósticos y predictivos, podrán utilizarse ayudando en la toma de decisiones para facilitar el manejo persona- lizado del paciente con ACDP. Los modelos con redes neuronales convolucio- nales proporcionan estimaciones asociadas con un perfil biológico de agresi- vidad combinando características clínicas, semánticas y radiómicas. A pesar de los resultados esperanzadores, las principales limitaciones de la imagen cuantitativa para su uso clínico se deben a la inestabilidad de las medidas y la diversidad de imágenes obtenidas (equipos y protocolos diferentes) que dificultan la generalización de los resultados obtenidos. La disponibilidad de repositorios con imágenes normalizadas y anotadas, de diversos centros, con datos asociados (clínicos, moleculares, genéticos) y junto a la radiómica y la inteligencia artificial permitirán la predicción del comportamiento de estos tumores al momento del diagnóstico. Para su validación se necesita su valida- ción en cohortes totalmente independientes y modelos de inferencia causal. Abstract Computed tomography (CT) scans stratified patients with pancreatic ductal adenocarcinoma (PDA) into categories based on whether the tumor is expected to be resectable, borderline resectable, initially unresectable, or metastatic. When reporting these exams, radiologists use structured templates to ensure that the generated information is complete, although the difficulty in identifying initial microscopic infiltrations of adjacent structures and small metastases is well recognized. Radiomics is seen as a potentially useful tool for determining tumor aggressiveness and building predictive clinical models. If extracted radiomic signatures are validated as prognostic and predictive biomarkers, they could be used aiding in decision-making to facilitate personalized patient management with ACDP. Models with convolutional neural networks provide estimations associated with a biological aggressiveness profile by combining clinical, semantic, and radiomic features. Despite encouraging results, the main limitations for clinical use of quantitative imaging are due to the instability of the measurements and the diversity of obtained images (different equipment and protocols), both making difficult to generalize the obtained results. The availability of large multicenter repositories with standardized and annotated images, and associated data (clinical, molecular, genetic), together with radiomics and artificial intelligence tools, will allow to predict the behavior of these tumors at the diagnosis. Its validation in totally independent cohorts and causal inference models is needed. Palabras clave: Cáncer de páncreas; Radiómica; Biomarcadores de imagen; Modelos predictivos; Inteligencia Artificial. Keywords: Pancreatic cancer; Radiomics; Image biomarkers; Predictive models; Artificial Intelligence. Autor para la correspondencia Luis Martí Bonmatí Real Academia Nacional de Medicina de España C/ Arrieta, 12 · 28013 Madrid Tlf.: +34 91 159 47 34 | E-Mail: luis.marti@uv.es DOI: 10.32440/ar.2022.139.01. rev03 Enviado*: 08.02.22 | Revisado: 12.02.22 | Aceptado: 18.02.22 R E V I S I Ó N *Fecha de lectura en la RANM