Radiòmica aplicada a la classificació de carciomes adrenocorticals

Abstract

[cat] La radiòmica és una àrea emergent dins de la medicina nuclear que consisteix en l’extracció de dades quantitatives a partir d’imatges mèdiques obtingudes mitjançant tomografies computades, radiografies, PET o ressonàncies magnètiques. La idea principal és que les imatges mèdiques contenen molta informació impossible d’interpretar per l’ull humà, i és per tant molt interessant aplicar mètodes computacionals per extreure les característiques radiòmiques d’una zona d’interès i aplicar-hi tècniques d’aprenentatge automàtic per poder proporcionar una informació molt valuosa que doni suport a metges especialitzats per poder realitzar diagnòstics o pronòstics d’una manera molt més precisa. En aquest treball es realitzarà un estudi estadístic de les característiques radiòmiques extretes d’imatges obtingudes amb tomografies computeritzades de tumors de 53 pacients amb carcinomes adrenocorticals. S’explorarà l’aplicació d’algorismes d’aprenentatge automàtic per cercar relacions entre dades mèdiques dels pacients i les seves característiques radiòmiques. Finalment es crearà un model predictiu per estimar la quantitat de la proteïna Ki-67 en els tumors, un biomarcador molt important per predir possibles proliferacions tumorals una vegada extirpat el tumor, que només pot ser mesurat mitjançant biòpsies

[spa] La radiómica es un área emergente dentro de la medicina nuclear que consiste en la extracción de datos cuantitativos a partir de imágenes médicas obtenidas mediante tomografías computarizadas, radiografías, PET o resonancias magnéticas. La idea principal es que las imágenes médicas contienen mucha información imposible de interpretar por el ojo humano, y es por tanto muy interesante aplicar métodos computacionales para extraer las características radiómicas de una zona de interés y aplicar técnicas de aprendizaje automático para poder proporcionar una información muy valiosa que apoye a médicos especializados para poder realizar diagnósticos o pronósticos de una manera mucho más precisa. En este trabajo se realizará un estudio estadístico de las características radiómicas extraídas de imágenes obtenidas con tomografías computarizadas de tumores de 53 pacientes con carcinomas adrenocorticales. Se explorará la aplicación de algoritmos de aprendizaje automático para buscar relaciones entre datos médicos de los pacientes y sus características radiómicas. Finalmente, se creará un modelo predictivo para estimar la cantidad de la proteína Ki-67 en los tumores, un biomarcador muy importante para predecir posibles proliferaciones tumorales una vez extirpado el tumor, que solo puede ser medido con biopsias

[eng] Radiomics is an emerging field within nuclear medicine that involves the extraction of quantitative data from medical images obtained through computed tomography, X-rays, PET, or MRI. The main idea is that medical images contain a wealth of information that is impossible to interpret for the human eye, making it highly beneficial to apply computational methods to extract radiomic features from a region of interest and use machine learning techniques to provide highly valuable information that supports specialized doctors in making much more precise diagnoses or prognoses. In this work, a statistical study will be conducted on the radiomic features extracted from images obtained with CT scans of tumors from 53 patients with adrenocortical carcinomas. The application of machine learning algorithms will be explored to find relationships between the patients' medical data and their radiomic features. Finally, a predictive model will be created to estimate the amount of the protein Ki-67 in the tumors, a very important biomarker for predicting possible tumor proliferations once the tumor has been removed, which can only be measured with biopsies