La correlación de los datos genómicos obtenidos mediante biopsia líquida con la radiómica en pacientes con cáncer de colon, páncreas, pulmón y próstata.

Con los avances en inteligencia artificial (IA) y medicina de precisión, la radiómica ha surgido como una herramienta prometedora en el campo de la oncología. La radiogenómica integra la radiómica con datos genómicos, lo que podría ofrecer un método no invasivo para identificar biomarcadores relevantes para la terapia del cáncer. La biopsia líquida (LB) ha revolucionado aún más el diagnóstico del cáncer al detectar el ADN tumoral circulante (ctDNA), lo que permite la elaboración de perfiles moleculares en tiempo real.

Este estudio explora la integración de la radiómica y la LB para predecir alteraciones genómicas en tumores sólidos, incluidos los cánceres de pulmón, colon, páncreas y próstata. Se realizó un estudio retrospectivo en 418 pacientes del ensayo STING (NCT04932525), todos los cuales se sometieron tanto a LB como a imagenología por TC. Se desarrollaron modelos predictivos utilizando un clasificador logístico XGBoost, y se realizó un análisis estadístico para comparar los volúmenes tumorales, el número de lesiones y los órganos afectados en los diferentes subtipos moleculares. El rendimiento se evaluó utilizando valores del área bajo la curva (AUC) y técnicas de validación cruzada.

Los modelos radiómicos demostraron un rendimiento moderado a bueno en la predicción de alteraciones genómicas. Las mutaciones de KRAS se identificaron mejor en el cáncer de páncreas (AUC = 0,97), mientras que se observó una discriminación moderada en el cáncer de pulmón (AUC = 0,66) y de colon (AUC = 0,64). Las mutaciones de EGFR en el cáncer de pulmón se detectaron con una AUC de 0,74, mientras que las mutaciones de BRAF mostraron una buena capacidad de discriminación tanto en el cáncer de pulmón (AUC = 0,79) como en el cáncer de colon (AUC = 0,76). En el modelo predictivo de radiómica, las mutaciones de AR en el cáncer de próstata mostraron una discriminación limitada (AUC = 0,63).

Este estudio destaca la viabilidad de integrar la radiómica y la LB para la elaboración de perfiles genómicos no invasivos en tumores sólidos, lo que demuestra un potencial significativo en la estratificación de pacientes y la atención oncológica personalizada. Si bien es prometedor, se requiere una validación prospectiva adicional para mejorar la generalización de estos modelos.