Descripció del projecte
El carcinoma escatós de orofaringe (COF) representa una neoplàsia cada vegada més freqüent dins dels tumors de cap i coll, amb una incidència global en augment. Encara que tradicionalment ha estat vinculat al consum de tabac i alcohol, en les últimes dècades s’ha observat un notable increment de casos associats a la infecció pel virus del papil·loma humà (VPH), especialment pel subtipus VPH-16, la prevalença del qual ha augmentat del 35% al 72% en els últims 50 anys.
La determinació de l’estat del VPH és fonamental tant per a la planificació terapèutica com per a establir el pronòstic, atès que els tumors VPH-positius presenten una millor resposta al tractament. En l’actualitat, la detecció del VPH es basa en proves realitzades sobre teixit obtingut mitjançant biòpsia, com la immunohistoquímica de p16 (IHC) o la reacció en cadena de la polimerasa (PCR) per a VPH. No obstant això, aquestes tècniques són invasives i no sempre estan disponibles en tots els entorns clínics.
Aquest projecte té com a objectiu desenvolupar un model diagnòstic basat en radiomica per a la detecció no invasiva del VPH a partir d’imatges de tomografia computada (TC) amb contrast. La radiòmica permet extreure de manera automatitzada característiques quantitatives dels tumors a partir d’imatges mèdiques, identificant patrons imperceptibles a l’ull humà. Mitjançant l’aplicació de tècniques d’intel·ligència artificial (IA) i aprenentatge automàtic (machine learning, ML), s’entrenarà un model capaç de diferenciar de manera automatitzada entre tumors VPH-positius i VPH-negatius a partir de dades radiomics.
Es durà a terme un estudi retrospectiu amb 100 pacients diagnosticats de OPSCC entre 2018 i 2023 a l’Hospital Clínic de Barcelona. La metodologia inclourà la segmentació de les imatges TC, l’extracció de característiques radiómicas i la integració de variables clíniques com a edat, antecedents de tabac i alcohol, estadi tumoral i l’estat de p16 en la mostra biopsiada. Aquestes dades s’empraran per a entrenar models predictius basats en ML. L’entrenament d’aquests models es realitzarà en col·laboració amb un enginyer i un expert en radiomica situats a Màlaga, els qui aportaran la seva experiència en el processament d’imatges mèdiques i en el desenvolupament d’algorismes d’aprenentatge automàtic.
Aquesta proposta representa una innovació rellevant en l’àmbit de l’oncologia de precisió, ja que permet una detecció no invasiva del VPH, reduint la necessitat de biòpsies, accelerant el diagnòstic mitjançant tècniques d’imatge àmpliament disponibles i contribuint a una major eficiència del sistema sanitari mitjançant la reducció de costos. La integració de la IA en la imatge mèdica permetrà optimitzar l’estratificació dels pacients, personalitzar els tractaments i millorar els resultats clínics.
