En ocasiones, la información crítica no se puede ver mediante la inspección visual estándar de imágenes médicas, especialmente en oncología. Sin embargo, la radiómica es un método de análisis cuantitativo de imágenes que puede revelar lo invisible. Mediante el uso de técnicas de análisis de inteligencia artificial (IA), la radiómica puede cuantificar las diferencias visuales en la intensidad, la forma o la textura de la imagen, superando la naturaleza subjetiva y lenta de la interpretación de imágenes. [ 1 ].
En la actualidad, el cáncer de mama es el tipo de cáncer más frecuente en todo el mundo, representando casi el 30% de todas las neoplasias malignas en mujeres, y las tendencias actuales muestran que su incidencia está aumentando.[ 2 ]Dada la magnitud del problema, es urgente encontrar un tratamiento eficaz.
Hasta el momento, la quimioterapia neoadyuvante[ 3 ] El objetivo principal de (NAC) era reducir el tamaño del tumor (también conocido como reducción del estadio) para permitir la cirugía de conservación de la mama y evitar un procedimiento aún mayor.
Aunque se ha demostrado que la NAC puede reducir la mortalidad en casos avanzados, se asocia a una alta tasa de sobretratamiento y a efectos secundarios significativos para los pacientes. Por otro lado, en países de bajos ingresos se ha detectado un tratamiento insuficiente debido a los altos costos de la NAC. RadioVal Evaluará el potencial de la radiómica para predecir la respuesta a la NAC en pacientes con cáncer de mama con la ayuda de IA, mejorando la selección de pacientes y reduciendo tanto el tratamiento excesivo como el insuficiente.
RadioVal es la primera validación clínica multidimensional de la estimación de la respuesta de NAC basada en radiómica en el cáncer de mama. Se validará en 8 centros clínicos en Suecia, Austria, España, Polonia, Croacia, Argentina, Egipto y Turquía. Puede utilizar grandes repositorios de imágenes, herramientas y resultados de 5 proyectos anteriores de la red AI4HI financiados por la UE.
Esta será la primera validación internacional de una solución de IA radiológica en cáncer de mama, con una metodología integral y unificada en la que tanto médicos como pacientes pueden confiar, e implementada por centros de atención médica y otras partes interesadas, todo ello adhiriéndose a las Directrices FUTURE-AI.[ 4 ], para evaluar la imparcialidad, universalidad, trazabilidad, usabilidad, solidez y explicabilidad. Desde el principio, el proyecto RadioVal adoptará un enfoque de múltiples partes interesadas, considerando las demandas clínicas y de atención médica y las preocupaciones socioéticas y regulatorias.
La participación de múltiples partes interesadas, como médicos y pacientes, gerentes de TI y atención médica y expertos en ética y cuestiones legales, guiará la implementación de las metodologías y los estudios de evaluación, mientras que la retroalimentación continua de los evaluadores clínicos proporcionará datos empíricos para estimar los costos-beneficios y el impacto en las pautas clínicas y la aprobación regulatoria de la herramienta RadioNac.
La Universitat de Barcelona, en colaboración con otros socios, en particular Quibim, lidera este complejo proyecto de colaboración para evaluar si las herramientas son técnicamente sólidas, algorítmicamente justas, útiles y aceptables en contextos clínicos.
Quibim se ha unido a este apasionante proyecto para desempeñar un papel fundamental en tres etapas principales del proyecto RadioVal.
1. Investigación, diseño y desarrollo de nuevos métodos para el control continuo de calidad, monitoreo y trazabilidad de modelos radiómicos.
2. Investigar y desarrollar procedimientos de evaluación de modelos basados en radiómica para predecir la respuesta NAC en el cáncer de mama.
3. Examinar posibles rutas de explotación y planes de sostenibilidad para maximizar el impacto más allá del proyecto.
Al introducir un marco estandarizado e integral para evaluar la IA radiómica y desarrollar una herramienta de trazabilidad para un monitoreo transparente, esperamos generar confianza en el uso de esta tecnología en entornos clínicos. Además, exploraremos las implicaciones más amplias de implementar la IA radiómica, incluido el análisis de costo-beneficio, las consideraciones éticas y las implicaciones regulatorias.
Se trata de un esfuerzo colaborativo cuyo objetivo es mejorar las opciones de tratamiento y dar paso a la próxima generación de avances médicos. Nuestra asociación, que utiliza soluciones de inteligencia artificial en grandes conjuntos de datos de pacientes, tiene el potencial de revolucionar el diagnóstico y los resultados de los pacientes y ampliar los límites del progreso científico.
Este trabajo ha recibido financiación del programa de investigación e innovación Horizonte Europa de la Unión Europea en virtud del acuerdo de subvención nº 101057699 (proyecto RadioVal).
Las opiniones y puntos de vista expresados en este documento son, sin embargo, los de los autores y no necesariamente reflejan los de la Unión Europea. Ni la Unión Europea ni la autoridad que concede la subvención pueden ser consideradas responsables de ellos.
[ 1 ] Herrero Vicent C, et al (2022) Modelos de aprendizaje automático e imágenes por resonancia magnética multiparamétrica para la predicción de la respuesta patológica a la quimioterapia neoadyuvante en el cáncer de mama. Cancers (Basel). 19 de julio;14(14):3508.
[ 2 ] Sistema Europeo de Información sobre el Cáncer (octubre de 2020). Carga de cáncer de mama en la UE-27. https://ecis.jrc.ec.europa.eu
[ 3 ] Sidaway, P., 2020. La terapia neoadyuvante mejora la tasa de pCR. Nature Reviews Clinical Oncología, 17(12), pp.718-718.
[ 4 ] www.future-ai.eu.
