Resumen
El cáncer de mama (CM) es uno de los cánceres más prevalentes, siendo la principal causa de mortalidad por cáncer en mujeres. Aunque
la mamografía es muy utilizada para el cribado, presenta problemas relacionados con el riesgo asociado al uso de radiaciones ionizantes
y las dificultades en la detección precoz de todos los tumores (incluidos los incipientes) y la correcta medición del tamaño y/o forma del
tumor. Por ello, se han desarrollado otras técnicas de imagen diferentes, como la resonancia magnética (RM) funcional. Para el CM, la
RM es la técnica más sensible para la estadificación, pero su especificidad no es perfecta. Es necesario desarrollar métodos para
caracterizar mejor la extensión del CM, evitando ultrasonidos y biopsias adicionales. Por otro lado, en el caso del carcinoma intraductal o
in situ (CDIS), debido a la incertidumbre en su evolución, la indicación actual es tratar todos los CDIS, independientemente del grado
tumoral, con exéresis y radioterapia (i.e. sobretratamiento). Para mejorar el diagnóstico, la localización y el seguimiento de estos procesos
tumorales malignos, se han desarrollado técnicas de adquisición de imágenes funcionales en RM. Los diferentes parámetros extraídos
con estas técnicas constituyen los biomarcadores de imagen, que aportan información sobre vascularización y celularización, respuestas
fisiopatológicas que preceden a la respuesta morfológica y permiten el diagnóstico precoz y evaluación de la respuesta tumoral tras el
tratamiento. Aún así, el uso de biomarcadores de imagen en CM con métodos tradicionalmente aplicados en la práctica clínica plantea
diferentes problemas, relacionados con las altas tasas de falsos positivos y negativos, la difícil interpretación fisiológica y el elevado
número de biomarcadores a tratar. En el caso del cáncer de próstata, algunos esto problemas se han abordado mediante el análisis de
imagen multivariante (MIA). Sin embargo, todavía hay mucho trabajo e investigación por hacer con respecto a la selección de
biomarcadores, la reducción de falsos positivos y negativos, y la reproducibilidad computacional de biomarcadores; así como investigar en
el desarrollo de biomarcadores para tejidos anisotrópicos como el CM. Los resultados esperados del proyecto son: 1. Mejorar la
estimación de los biomarcadores de CM actuales obtenidos por cada una de las técnicas de RM mediante la reducción o eliminación de
ruido estructural y/o aleatorio, 2. Desarrollar nuevos biomarcadores de imagen de CM de fácil interpretación clínica mediante modelos
estadísticos multivariantes de variables latentes. 3. Diseñar estrategias para seleccionar los mejores biomarcadores y construir modelos
predictivos para el diagnóstico y pronóstico de CM con mayor sensibilidad y especificidad que el procedimiento subjetivo seguido en la
práctica clínica actual. 4 Desarrollar modelos predictivos que proporcionen mapas probabilísticos de imagen (biopsias virtuales) para
fenotipar tumores y predecir su grado o agresividad, y mejorar la detección precoz y gradación de CM, ayudando al radiólogo en la toma
de decisiones. 4. Proporcionar métodos para transferir los modelos predictivos (biopsias virtuales) de un equipo a otro de diferentes
resoluciones y configuraciones técnicas, permitiendo un uso generalizado en hospitales de todo el mundo. 5. Desarrollar un software para
generalizar el uso de biomarcadores en entornos clínicos, haciéndolos accesibles para la mayor parte de los profesionales clínicos.
