La imagen médica se ha convertido en el lenguaje visual de la medicina contemporánea. Antiguamente limitada a la medición del tamaño de los tumores, ahora se ha transformado en una herramienta poderosa para la prevención, diagnóstico precoz, tratamiento y seguimiento de diversas patologías, convirtiéndose en una ciencia de precisión personalizada. Esta transformación se debe a la implementación y revolución de la Inteligencia Artificial (IA), que ha penetrado en todos los campos de la medicina, especialmente en oncología.

Las herramientas actuales permiten aplicar algoritmos computacionales para armonizar las imágenes médicas, procesarlas, analizarlas y finalmente detectar y medir características sutiles, inapreciables a la observación directa. Además, estos algoritmos ofrecen una perspectiva única de los cambios temporales en la salud de un paciente.
A través de esta perspectiva, es posible identificar biomarcadores que nos permiten entender mejor la etiología de la enfermedad.

Actualmente, la imagen médica es un procedimiento clínico de rutina en todas las consultas. Todas estas imágenes, acumuladas a lo largo de años de estudios clínicos, albergan un tesoro de información meticulosamente estructurada y organizada.
La IA es capaz de manejar esos grandes volúmenes de datos y revelar patrones y características difíciles de determinar en casos aislados. Esto facilita la extracción de estos biomarcadores y abre la puerta a la creación de paneles de biomarcadores de imágenes médicas.

Estos paneles no solo son útiles para médicos sino también para las compañías farmacéuticas. Serán una pieza fundamental en el desarrollo de tratamientos más seguros y efectivos pudiendo proporcionar información en tiempo real sobre la eficacia de los medicamentos, y además responder a preguntas críticas sobre su seguridad, entre muchas otras posibilidades.

Quibim es pionera en este prometedor campo, liderando el desarrollo de paneles de biomarcadores predictivos en oncología. Al aplicar técnicas de radiómica y algoritmos de IA, Quibim analiza características cuantitativas en las imágenes médicas, como la intensidad, forma, textura o distribución espacial. Estos datos se pueden correlacionar con el fenotipo del cáncer y el microambiente tumoral, proporcionando información complementaria a otros datos clínicos y genómicos permitiendo un abordaje más personalizado y preciso de escenario de cada individuo.
Podemos desarrollar modelos predictivos que no solo abren la puerta a mejores opciones terapéuticas, sino también a reducir el uso de técnicas mucho más invasivas y costosas. La premisa es predecir para decidir.

Este nuevo horizonte, aunque prometedor, presenta varios desafíos. El manejo de grandes cantidades de datos, la seguridad de su almacenamiento, la estandarización y la interoperabilidad son aspectos clave para asegurar resultados comparables y reproducibles. La validación de estos biomarcadores requiere más investigación y confirmación en grandes cohortes de pacientes y en diversos entornos clínicos. Sin embargo, no hay duda de que la creación de paneles de biomarcadores de imágenes médicas predictivos en oncología tiene un enorme potencial transformador en la atención médica personalizada a medida que la investigación avanza y se superan los desafíos técnicos y clínicos.

Es innegable que el avance en herramientas computaciones de análisis y manejo de grandes repositorios de datos está catalizando una transformación profunda y necesaria en la medicina. Estos avances nos están equipando con el conocimiento y las evidencias imprescindibles para su implementación en la práctica clínica cotidiana en un futuro cercano. La medicina se encuentra en el umbral de una era trascendental, lista para un salto evolutivo en la forma en que prevenimos, diagnosticamos y tratamos enfermedades. Nuestro objetivo es maximizar el potencial de estas herramientas emergentes y emplearlas para optimizar los resultados de la atención médica, aumentar su eficiencia y orientarla hacia un enfoque preventivo, más preciso y personalizado, lo cual, en última instancia, la hace más humana.

Alejandra Korovaichuk Quesada, Medical Copywriter
Subscribe to Directory
Write an Article

Recent News

Exposure to Heat and Cold During Pregnan...

The research team observed changes in head circumf...

Using mobile RNAs to improve Nitrogen a...

AtCDF3 gene induced greater production of sugars a...

El diagnóstico genético neonatal mejor...

Un estudio con datos de los últimos 35 años, ind...

Highlight

Eosinófilos. ¿Qué significa tener val...

by Labo'Life

​En nuestro post hablamos sobre este interesante tipo de célula del...

A new tool to predict nucleosome positio...

by IRB Barcelona - Instituto de Investigación Biomédica

A team of researchers at IRB Barcelona have developed an innovative co...

Photos Stream