Los biomarcadores de imagen son parámetros obtenidos de forma objetiva a partir de imágenes médicas que se extraen tras aplicar modelos computacionales a las imágenes radiológicas conseguidas con cualquier técnica, como la radiografía, tomografía computarizada (TC) o la resonancia magnética (RM), entre otras. Esta técnica permite obtener datos cuantitativos de las imágenes médicas que no se pueden valorar solo con el análisis visual de médico radiólogo.

La Sociedad Española de Radiología Médica (SERAM) ha querido destacar el potencial de los mismos. En palabras de Carlos Casillas Meléndez, presidente ejecutivo de la sección de abdomen de la SERAM “nos encontramos en el inicio del uso de los biomarcadores de imagen, la radiómica y la IA, pero su desarrollo está siendo muy rápido. Estas herramientas van a ser una gran ayuda para el médico radiólogo, especialmente van a tener un a papel principal en los estudios de cribado poblacional de mama, próstata y pulmón”.

De hecho, actualmente los biomarcadores de imagen se usan especialmente en cáncer de próstata, recto, en la valoración de la calidad del hueso y la predicción del riesgo de fractura y el diagnóstico del ictus.

Técnicas asociadas a los biomarcadores de imagen

De esta forma, los biomarcadores de imagen, la Radiómica y la Inteligencia Artificiales (IA) aumentan la precisión diagnóstica, el diagnóstico precoz y agilizan los procesos radiológicos. En concreto, la implementación de la IA en las máquinas de RM reduce el tiempo de estudio. Esto permite ampliar el número de pacientes por día, disminuyendo de esta forma las listas de espera. Asimismo, en procesos donde el tiempo es prioritario para reducir las secuelas y la mortalidad, como en el “código ictus”, la IA permite identificar, clasificar y cuantificar de forma automática las lesiones cerebrales.

Otro ejemplo son datos recientes en cáncer de mama, que demuestran que el análisis de las mamografías con IA en el cribado del cáncer de mama tiene una alta precisión en distinguir entre las pacientes sin cáncer y con cáncer de mama. De esta forma, la IA ayuda a priorizar, además de a disminuir un 25 por ciento el número de “rellamadas” para completar el estudio. Todo ello permite disminuir la irradiación de las pacientes.