Radiomics and imaging biomarkers in observational clinical studies with retrospective data

Abstract

Mi objetivo es analizar desde una aproximación crítica los niveles de evidencia y los grados de recomendación más aceptados en la actualidad por la comunidad científica médica, evaluando críticamente el concepto de verdad en medicina y su incertidumbre. Tras ello, se analizará el papel de la radiómica y los biomarcadores de imagen como la aproximación científica de la imagen a la Medicina Personalizada, poniendo en valor los estudios observacionales con datos digitales in silico con biobancos de imágenes médicas para generar evidencia en el mundo real (Real World Data-RWD, Real World Evidence-RWE). Finalmente, se establecerá una propuesta metodológica para obtener la mejor inferencia de los datos observacionales asistenciales. Esta propuesta incide en el desarrollo de estudios clínicos observacionales in-silico, obtenidos de forma disociada a los pacientes. Estos estudios utilizan repositorios bien estructurados para poder generar resultados de alta calidad para el sistema sanitario. Estos datos del mundo real (RWD) permiten, al ser analizados como ensayos clínicos experimentales con cohortes virtuales, obtener inferencias con un alto grado de evidencia (RWE) si se controla la calidad de los datos, las variables de confusión y los sesgos metodológicos. Esta evidencia puede ser más reproducible y fiable, más generalizada y universal, y sobre aspectos también más relevantes para los sistemas sanitarios. La utilización de una gran cantidad de información (macrodatos, RWD, informes estructurados) y la capacidad del procesamiento computacional (radiómica y biomarcadores de imagen, Deep Learning) minimizará el problema del submuestreo, la heterogeneidad de la muestra y la variabilidad asociada a la falta de una estandarización de las imágenes. La Inteligencia Artificial ayudará en la evaluación crítica de los niveles de evidencia y los grados de recomendación, la verdad y su incertidumbre, la implementación de estudios observacionales in-silico con biobancos de imágenes médicas, y la obtención de la mejor inferencia con estos diseños.

Enriquecimiento de la historia clínica electrónica con información de sistemas de ayuda a la decisión clínica y datos enlazados abiertos

“…El IRE puede utilizarse para generar contenidos en lenguaje natural de acuerdo con el nivel de comprensión del lector al que va dirigido. Para lograr las mejoras descritas, las soluciones actuales que implementan plantillas para la elaboración de informes radiológicos se centran en promover los IRE más allá del tradicional informe radiológico no estructurado basado en el dictado [64,126], integrar los sistemas de puntuación cualitativa radiológica en los IRE [65][66][67], y garantizar una integración completa del IRE con la HCE utilizando estándares de sistemas de información sanitarios para HCE e imagen médica, así como el perfil de integración IHE MRRT de gestión de plantillas de IRE [68][69][70][71]127].…”