Anales de la RANM

115 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 INTELIGENCIA ARTIFICIAL EN IMAGEN MÉDICA Martí-Bonmatí L An RANM. 2024;141(02): 111 - 118 niveles de expresión génica o parámetros de textura de imágenes) y los resultados de interés (13). El objetivo es aprovechar la gran cantidad de informa- ción contenida en los datos ómicos para predecir los resultados clínicos, las respuestas de los pacientes a los tratamientos, la progresión de la enfermedad o la probabilidad de desarrollar ciertas afecciones, facili- tando así la medicina personalizada y las interven- ciones terapéuticas específicas (1,14). El proyecto PRIMAGE, financiado por la Comisión Europea, se centra en aprovechar el análisis computacional y el modelado in silico para el diagnóstico y el tratamiento de los cánceres pediátricos, específicamente el neuroblastoma y el glioma pontino intrínseco difuso (DIPG) (14). Los principales resultados del proyecto son: • Desarrollo de un sistema de apoyo a la toma de decisiones (DSS) basado en la nube adaptado para el tratamiento del cáncer, con énfasis en interfaces fáciles de usar que se alinean con los flujos de trabajo clínicos para facilitar la adop- ción por parte de los profesionales de la salud. • Establecimiento de una infraestructura de nube híbrida, que combine recursos de nube públi- ca y privada, para servir tanto a la comunidad científica para iniciativas de ciencia abierta como para posibles aplicaciones comerciales. • Integración con importantes repositorios euro- peos de datos clínicos, contribuyendo al desa- rrollo y validación de biomarcadores y modelos in-silico (8,14). Esto implica el manejo de una cantidad sustancial de datos retrospectivos y prospectivos bajo estrictos estándares éticos y legales. • Introducción de nuevos biomarcadores de ima- gen y validación de modelos diagnósticos que vinculan los datos de imagen con los biomar- cadores biológicos (15), mejorando el proceso de toma de decisiones en oncología pediátrica (16). • Avance en modelos de crecimiento tumoral in silico para Neuroblastoma y DIPG, utilizando marcos de simulación multiescala (17). Esto permite una evaluación personalizada de los resultados del tratamiento para pacientes indi- viduales. • Mejora en la visualización de datos y la apli- cación de metodologías de IA para abordar los criterios de valoración clínicos críticos, ha- ciendo que los datos complejos sean más acce- sibles y procesables para los médicos. • Finalización e integración del prototipo de la plataforma PRIMAGE, que ofrece un conjun- to completo de herramientas predictivas para el manejo de los cánceres pediátricos desde el diagnóstico hasta el seguimiento del trata- miento (18). • Validación de la plataforma PRIMAGE en estu- dios prospectivos multicéntricos para evaluar su eficacia y rendimiento en entornos clínicos Figura 3. Ejemplo de impacto clínico. En el proyecto PRIMAGE (H2020 EU Project, SC1-DTH-07-2018, GA: 826494) se aplicaron redes neuronales convolucionales para extraer variables radiómicas reproducibles. La combinación de estas va- riables con los factores clínicos, moleculares y genéticos usuales permitió mejorar la evaluación de los factores de riesgo en el manejo de niños con neuroblastoma.