Fernando A. Ramos-Zaga, Dirección de Investigación, Universidad Privada del Norte, Lima, Perú
La radiómica basada en inteligencia artificial ha emergido como un enfoque capaz de transformar la imagen médica en biomarcadores cuantitativos, en un contexto donde el cáncer de pulmón continúa siendo la principal causa de mortalidad oncológica global. El objetivo del artículo es analizar el estado actual de esta tecnología como herramienta de caracterización fenotípica no invasiva, evaluando su capacidad para extraer biomarcadores y los desafíos de estandarización que condicionan su implementación clínica. Los resultados muestran que los modelos radiómicos permiten predecir alteraciones moleculares, estimar la respuesta a la inmunoterapia y mejorar la estratificación pronóstica con desempeño clínicamente relevante; sin embargo, persisten limitaciones asociadas a la variabilidad en la adquisición de imágenes, la segmentación, la reproducibilidad y la interpretabilidad. Se concluye que, aunque su potencial es sustantivo, la adopción clínica de la radiómica requiere una estandarización robusta, una validación multicéntrica y unos marcos de gobernanza que garanticen su integración segura en la medicina personalizada.
Palabras clave: Biomarcadores de imagen cuantitativos. Aprendizaje profundo. Traslación clínica.