Anales de la RANM

24 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 CÁNCER DE PÁNCREAS, RADIÓMICA E INTELIGENCIA ARTIFICIAL Martí-Bonmatí L An RANM. 2022;139(01): 23 - 30 El adenocarcinoma ductal pancreático (ACDP) es un cáncer con una incidencia y mortalidad ajustadas por edad en aumento constante. Entre los factores promotores se conocen la edad, el tabaquismo, el consumo de alcohol y la obesidad (1,2). Dado su curso indolente, el tumor se suele diagnosticar en estadios avanzados, siendo infrecuente su observación incidental en un examen radiológico no dirigido al páncreas o al detectar un aumento del CA.19-9 en un análisis de sangre. Este tumor es biológicamente agresivo, con una pobre vascularización, un microambiente bajo en oxígeno y nutrientes, y un marcado estroma desmoplástico (1,2). Además, estos tumores presentan una alta heterogeneidad genómica, principalmente centrada en K RAS, CDKN2A/p16, TP53 y SMAD4/PDC4 (3,4). Los estudios de Tomografía Computarizada con contraste intravenoso (TC-C) localizan la lesión, establecen un diagnóstico diferencial, definen su forma y tamaño, la infiltración de estructuras adyacentes, y la extensión a distancia, guiando la toma de decisiones terapéuticas en las sesiones multidisciplinares. Aunque las lesiones pancreá- ticas pueden detectarse con ecografía, la TC-C define con mayor precisión la extensión local del tumor (invasión de planos circundantes, vasos sanguíneos y órganos) y la existencia de metástasis (vía linfática y hematológica) (5,6). La utilización de TC-C espectral mejora la detección y visibilidad de las lesiones con reconstrucciones de bajo kilovoltaje (7). La tomografía por emisión de positrones (PET/TC) suele limitarse al análisis de la recurrencia tumoral y en el seguimiento tras la terapia adyuvante. La resonancia magnética (RM) se utiliza para analizar las tumoraciones quísticas y en el preoperatorio de metástasis hepáticas con imágenes potenciadas en difusión y tras administrar un contraste hepatoespecífico. Estas metástasis síncronas están presentes hasta en un 10% de los pacientes con un estudio de TC-C negativo (5,8). Las imágenes TC-C se obtienen en las fases arterial y venosa, definiendo al tumor, la afecta- ción arterial y venosa circundante, los ganglios regionales y las metástasis a distancia, princi- palmente en hígado, peritoneo y pulmón (6). Con ello se estadifica al paciente en resecable, posiblemente resecable, localmente avanzado no resecable, o metastásico; y se define si debe tratarse con neoadyuvancia, cirugía, quimiorra- diación, quimioterapia paliativa, tratamientos dirigidos o inmunoterapia (9,10). Recientemente se incluyen también fármacos inhibidores de los puntos de control inmunitario ( immune check- points ), y dirigidos al microambiente tumoral y su estroma desmoplástico (10,11). Para precisar mejor el tratamiento es importante conocer la agresividad biológica y la estadificación de la enfermedad microscópica. Determinar con fiabilidad la agresividad tumoral, la microinva- sión arterial y la presencia de pequeñas metástasis a distancia delimitará mejor el tratamiento inicial y su respuesta, así como el pronóstico esperado a medio y largo plazo (tiempo hasta recurrencia local, tiempo hasta metástasis a distancia, supervivencia libre de progresión, supervivencia global) (9-12). En esta medicina de precisión se cuenta con la radiómica y el análisis genómico de las lesiones. Con la imagen cuantitativa se extraen características de los tumores para construir modelos predictivos como firmas radiómicas, o expresiones fenotípicas, con las que estimar resultados como la resecabilidad y la agresiv- idad (13,14). Además, la inteligencia artifi- cial (IA) genera modelos predictivos basados en datos radiómicos, genómicos y clínicos, e incluso extrae características radiómicas profundas que predicen directamente un evento clínico o el mejor tratamiento (15-17). La imagen médica cuantitativa permite extraer parámetros relevantes y reproducibles de las imágenes digitales de TC-C adquiridas en los pacientes. Estas propiedades tisulares se conocen como radiómica y se extraen tras aplicar a las imágenes diferentes técnicas de procesamiento y modelos computacionales. Los descriptores numéricos extraídos pueden representar todo el tumor o una parte (parche o subregión). El análisis de hábitats o subregiones es especial- mente relevante en los tumores heterogéneos (13, 17-19). La radiómica analiza las imágenes para rastrear procesos biológicos locales que estén vinculados con comportamientos tumorales o resultados clínicos concretos (19,20). Estos biomarcadores fenotípicos de imágenes cuantifican y representan una propiedad biológica específica del tumor como indicador sustituto. Para ser clínicamente útiles, deben mejorar los resultados de las evalua- ciones en uso. En la mayoría de situaciones, son los modelos multivariantes los mejores estima- dores al reconocer la complejidad de la biología tumoral (13,18,21). Veamos el flujo adecuado y necesario para la extracción de datos radiómicos y la construcción de modelos de predicción clínica. Preparación de las imágenes En la práctica clínica las imágenes de TC-C se obtienen con equipos, protocolos de adquisición (energía, modulación, filtros) y administra- ciones de contraste (medio de contraste, concen- tración de yodo, dosis, flujo, fases dinámicas) diferentes. Antes de que estas imágenes puedan INTRODUCCIÓN EXTRACCIÓN DE DATOS RADIÓMICOS COMO BIOMAR- CADORES DE IMAGEN