Conversatorios de protección Radiológica de América Latina y el Caribe. Radiómica: aplicaciones clínicas.
Invitados: Dr. Miguel Martin, Dr. Rafael Martin
Moderador: CEO Serofca. MsC. Omar Arias
En esta oportunidad en nuestro espacio aprendiendo + conversamos nuevamente con los Drs. Miguel Martin y Rafael Martin sobre la Radiómica: aplicaciones clínicas.
El Dr. Miguel Martin comienza expresando, que en la Radiómica se tiene las imágenes provenientes de algún estudio y que con algún procedimiento de análisis de imágenes se puede obtener una segmentación de la región de interés, extrayendo las características radiómicas como: el histograma donde se determinan propiedades de primer orden, textura donde tenemos características de orden superior, filtrajes, como el filtro LoG, después viene el análisis y como son muchos características radiómicas, el análisis se hace con un proceso que se conoce como Heat Map, luego estas características radiómicas se relacionan con un comportamiento clínico, como se involucra una gran cantidad de datos, en estos procesos generalmente usan herramientas de Inteligencia artificial para el análisis.
Un Heat Map consiste en correlación ciertas características, en la gráfica a la izquierda se tienen diferentes genes y diferentes especímenes, en uno de los ejes está lo que parametriza la omica y en el otro están los espécimen, en este caso es un mapa genético, los niveles de colores depende de cuanto estén correlacionado, habría más presencia de ciertos genes en un color más intenso. A la derecha vemos zonas donde hay correlaciones fuertes en azul, cada Heat Map es extremadamente complejo
Hay Heat Map que correlacionan las características radiómicas con estudios clínicos, esto permite de alguna manera organizar la data que proviene de la radiómica.
Se pueden ordenar la data entre características radiómicas y hacer un mapa de correlación, en la gráfica el color amarillo indica que hay un bloque de características radiómicas que tiene mayor correlación. Esto permite seleccionar las características radiómicas a utilizar.
La enfermedad nos da información de diferentes formas: bionalítico, genómica, las basadas en el ARN, la patómica o análisis de tejidos y la radiómica, el reto es establecer un análisis que combine toda esta información.
En Venezuela se utiliza un radiofármaco que tiene que ver con el antígeno prostático, realizando imágenes que tiene que ver con la bioquímica, este proceso se tiene comúnmente en el ámbito de la Medicina nuclear.
El manejo de la gran cantidad de datos proveniente de los Heat Map pueden tratarse con los métodos de análisis de la inteligencia artificial usando herramientas de data science, big data y minería de datos.
La inteligencia artificial tiene que ver con los algoritmos que simulan los sistemas humanizados, el Machine learning trata de algoritmos que pueden aprender entre ellos las redes neuronales con capacidad de predecir, el caso de Deep learning hay capas internas en las redes neuronales que permiten abstracción de los datos, todas estas herramientas se apoyan en análisis de data science y big data.
En la siguiente gráfica se puede ver el número de publicaciones por año que hay en el tema de la radiómica hay máximos para el año 2020 con un mayor número de publicaciones en los temas de radiómica y machine learning, esto se debe a que en el área de la salud es muy importante tratar de predecir situaciones.
Finalmente el Dr. Miguel Martin propone la idea de tratar de implementar este tipo de análisis en los servicios de una institución de salud. El Dr. Rafael Martin expresa que para esta idea hay una gran cantidad de científicos a nivel mundial que estarían interesados en estos temas.
Para observar el conversatorio ingrese al siguiente enlace:
