Barcelona, 22 de septiembre de 2020.- Un estudio publicado en European Radiology, realizado por el Grupo de Radiómica del Vall d’Hebron Instituto de Oncología (VHIO), dirigido por la Dra. Raquel Pérez-López, ha identificado cuáles son las fuentes que generan variabilidad en las imágenes de los tumores a través del TAC u otras pruebas de imagen y, por lo tanto, en los datos que se extraen de ellas (Radiómica). El objetivo final del estudio es poder reducir este fenómeno y crear imágenes estándares que sean comparables, con independencia de la máquina en la que se hayan obtenido o del especialista que las haya valorado.

“Con este estudio queremos identificar cuál es la fuente de variabilidad de la Radiómica, reconstruir los datos eliminando esos parámetros para estandarizarlos y poder sentar las bases para desarrollar biomarcadores pronósticos y predictivos en cáncer a través de esta disciplina. Queremos disponer de una herramienta más para mejorar el diagnóstico y tratamiento del cáncer”, explica la Dra. Raquel Pérez-López.

El objetivo de la Radiómica es aplicar algoritmos computacionales a la imagen médica para pasar de una valoración subjetiva basada en la observación de la imagen, que es lo que se hace actualmente en radiología, a una cuantitativa en la que, además, se consiga una gran cantidad de datos para analizar y extraer información relevante sobre el tumor. La imagen, al estar formada por pequeños píxeles, esconde información que, muchas veces, pasa desapercibida al ojo humano y, mediante la aplicación de estos algoritmos, se consigue extraer y cuantificar datos relevantes sobre los tumores a partir de las imágenes médicas. Esto se ha aplicado mucho en oncología porque con la Radiómica se pueden cuantificar y traducir datos biológicos del tumor –vascularización, celularidad…–, pero la forma en la que se extraen los parámetros de Radiómica puede cambiar mucho en función del centro y del TAC en el que se haga, e incluso de un paciente a otro. Por este motivo, “este estudio nos permite ver dónde está la variabilidad de los resultados debido a la técnica y no al tejido en sí, y reducirla a través del proceso de postproducción de imágenes, de forma que podamos establecer unos criterios comunes y que dos radiólogos lleguen a los mismos resultados cuando valoran una imagen médica”, añade la Dra. Pérez.

Independientemente de cómo se haya obtenido la imagen, se puede modificar para estandarizarla, de forma que los TAC que se hagan en máquinas diferentes al final sean comparables. Esto se consigue mediante dos procesos: con postproducción de imagen o aplicando sistemas batch effect removal, que ya se utilizan desde hace años en genómica, y que consisten en crear modelos de reconstrucción de los datos, no de la imagen en sí, sino del parámetro de Radiómica.

Una línea de investigación pionera que pretende desarrollar biomarcadores a través de lo que no se ve en las imágenes
Las aplicaciones de la Radiómica, una línea de investigación con pocos años de vida, son muy amplias y especialmente prometedoras en oncología. Mediante la aplicación de algoritmos computacionales a la imagen médica podemos extraer una gran cantidad de datos que, hasta ahora, pasaban desapercibidos al ojo humano. A partir de estos datos se pueden establecer biomarcadores, no solo para diagnosticar antes un tumor sino también saber si el tumor es más o menos agresivo, e incluso predecir la respuesta a determinados tratamientos. Además, estudios recientes intentan entender si cambios en determinados parámetros de la imagen médica son mejores indicadores de respuesta que los que estamos utilizando hoy en día.

El Grupo de Radiómica del VHIO pone las bases para poder disponer de marcadores de imagen más reproducibles; es decir, que dos radiólogos lleguen a los mismos resultados cuando valoran una imagen médica, y que ayuden a tomar decisiones sobre el mejor tratamiento para un paciente con cáncer de una forma más precisa y temprana.

___________________

Referencia:

Marta Ligero, Olivia Jordi-Ollero, Kinga Bernatowicz, Alonso García-Ruiz, Eric Delgado-Muñoz, David Leiva, Richard Mast, Cristina Suárez, Roser Sala-Llonch, Nahum Calvo, Manuel Escobar, Arturo Navarro-Martín, Guillermo Villacampa, Rodrigo Dienstmann, Raquel Pérez-Lépez, “Minimizing acquisition-related radiomics variability by image resampling and batch effect correction to allow for large-scale data analisis”, European Radiology (2020), doi: https://doi.org/10.1007/s00330-020-07174-0