Introdução
Com o mapeamento do genoma humano surge o termo genomics, fortalecendo o conceito de medicina personalizada com busca por biomarcadores e alvos terapêuticos específicos para cada doença. Em 2010, estendendo esse princípio aos dados extraídos dos exames de imagem, que também seriam considerados biomarcadores, surge o termo radiomics.1
A radiômica é a área da ciência médica responsável pela extração de um número muito grande de “atributos quantitativos” dos exames de imagens, permitindo retirar informações além de sua representação gráfica usual.2
Atributo (ou seja, características), do inglês features, é a palavra-chave do processo de caracterização da imagem (normal ou patológica), correspondendo a parâmetros matemáticos e estatísticos, como intensidade, textura, forma, entre outros.3
Apesar de poder ser utilizada em diversos processos patológicos, a radiômica tem sido mais estudada na área da oncologia. Acredita-se que a heterogeneidade representada pelos atributos quantitativos extraídos das imagens (fenótipo) estaria relacionada à heterogeneidade genômica, predizendo o prognóstico.
Em decorrência do grande número de informações extraídas pela radiômica, faz-se necessário o uso de ferramentas analíticas potentes, sendo a inteligência artificial (IA) bastante eficaz para esse objetivo, quando comparada com os métodos estatísticos tradicionais.
Há questionamentos e especulações sobre a substituição dos médicos radiologistas pela IA. Entretanto, acredita-se que essas ferramentas agregarão valor e aumentarão o papel do radiologista nesse novo cenário, sendo fundamental o conhecimento desses novos conceitos.
Assim, neste capítulo, serão discutidos o conceito e o processo da radiômica, a sua aplicabilidade em diversas áreas da medicina, bem como os desafios para sua utilização e as perspectivas futuras para sua inserção na rotina radiológica.
Objetivos
Ao final da leitura deste capítulo, o leitor será capaz de
- reconhecer o conceito da radiômica;
- identificar as etapas da radiômica;
- reconhecer alguns dos principais e mais utilizados algoritmos de aprendizado de máquina (AM) na radiômica;
- reconhecer os desafios para a implementação da radiômica na prática clínica;
- identificar alguns dos principais estudos utilizando a radiômica nas diversas especialidades médicas.
Esquema conceitual
