El Grup de Radiòmica del VHIO està dedicat a impulsar l’oncologia de precisió mitjançant el desenvolupament i la translació clínica d’eines d’intel·ligència artificial (IA) i integració de dades, amb un enfocament particular en la imatge mèdica. La nostra visió és aprofitar tot el potencial de la radiómica i la modelització computacional per transformar la cura del càncer, fent que els diagnòstics siguin més precisos, els tractaments més personalitzats i es millorin els resultats dels pacients.
Combinant experiència en enginyeria i aprenentatge automàtic, treballem en el descobriment, validació i qualificació clínica de biomarcadors d’imatge que orientin i guiïn la presa de decisions terapèutiques. També estem fermament compromesos a donar suport al desenvolupament de fàrmacs mitjançant l’ús de tècniques d’imatge funcional en assaigs clínics, la qual cosa permet obtenir informació en temps real sobre la resposta al tractament.
A través del nostre enfocament interdisciplinari, sòlides col·laboracions i compromís amb la innovació, el Grup de Radiòmica del VHIO aspira a situar-se a l’avantguarda de l’oncologia computacional, marcant el futur del diagnòstic i de les teràpies oncològiques.
L’any 2024, ens va alegrar enormement donar la benvinguda a la Marta Buetas com a nova tècnica al nostre equip. La Marta compta amb una sòlida formació en enginyeria biomèdica i una valuosa experiència en anàlisi d’imatge mèdica, en particular en oncologia. Confiem que la seva visió fresca enriquirà el treball del grup i esperem amb entusiasme els seus futurs estudis doctorals dins del nostre equip. El seu potencial per aportar idees innovadores, el seu enfocament proactiu i el seu lideratge en la gestió de projectes són qualitats que creiem que beneficiaran significativament les nostres activitats de recerca.
Estem orgullosos d’anunciar que l’Alonso García va defensar amb èxit la seva tesi doctoral a finals de 2024, obtenint la distingida qualificació de magna cum laude. La seva excel·lent recerca durant els darrers quatre anys ha donat resultats excepcionals, amb publicacions en revistes de prestigi com European Radiology i Cell Reports Medicine. A més, l’Alonso ha participat en múltiples col·laboracions tant amb grups interns del VHIO com amb diversos socis nacionals i internacionals, amplificant encara més l’impacte del seu treball.
També vam tenir el plaer d’acollir en Bernat Alberich, estudiant de màster de la Universitat de Girona. En Bernat va dur a terme una recerca excepcional aplicant models de deep learning per a la detecció i segmentació automàtica de metàstasis òssies. Les seves contribucions van demostrar el prometedor potencial de les tècniques computacionals avançades en imatge oncològica.
Enguany, el nostre equip ha aconseguit diverses beques importants, tant com a Investigadors Principals com en qualitat de col·laboradors. Entre elles, vam aconseguir finançament del Fondo de Investigaciones Sanitarias (FIS), que ens permetrà continuar impulsant les nostres iniciatives de recerca.
La Raquel Pérez-López va rebre aquest any nomenaments destacats, convertint-se en Cap del Cancer Core Europe (CCE) Imaging Task Force, membre de l’Artificial Intelligence Task Force de l’European Association for the Study of Liver disease (EASL) i Cap de la Unitat Oncològica de la Societat Espanyola de Radiologia Mèdica (SERAM). Aquests prestigiosos càrrecs subratllen el seu lideratge en l’àmbit de la imatge oncològica i el seu compromís continu amb la integració de la intel·ligència artificial en la recerca del càncer.
-
Desenvolupar i optimitzar pipelines per a models d’IA d’integració de dades amb un enfocament particular en la imatge mèdica i en la integració de models explicables.
-
Aportar experiència en enginyeria i bioinformàtica per al desenvolupament i la qualificació clínica de biomarcadors d’imatge per a l’oncologia de precisió, amb l’objectiu de millorar els resultats dels pacients amb càncer.
-
Utilitzar la imatge funcional per optimitzar el desenvolupament de fàrmacs en assaigs clínics.
-
Integrar la radiómica amb altres òmiques en estudis traslacionals per assolir una comprensió més profunda de l’evolució tumoral i dels mecanismes de resistència a les teràpies antitumorals.
Figura: Les mètriques microestructurals de la ressonància magnètica ponderada per difusió proporcionen mètriques biològiques específiques que ofereixen sensibilitat als processos oncogènics al fetge, com les metàstasis.
Cap de grup
Raquel Perez-Lopez
Investigador Sènior
Francesco Grussu
Estudiants de doctorat
Alonso García
Athanasios Grigoriou
Olivia Prior
Anna Voronova
Daniel Navarro
Maria Balaguer
Carlos Macarro
Tècnica de laboratori
Marta Buetas
Informàtics
Adrià Marcos
Camilo Monreal
Research Fellow
Luz María Atlagich
Nikolaos Staikoglou
Data curator
Christina Zatse
Publicacions científiques més rellevants
- Perez-Lopez R, Ghaffari Laleh N, Mahmood F, Kather JN. A guide to artificial intelligence for cancer researchers. Nat Rev Cancer. 2024 Jun;24(6):427-441. doi: 10.1038/s41568-024-00694-7. Epub 2024 May 16.
- Garcia-Ruiz A, Macarro C, Zacchi F, Morales-Barrera R, Grussu F, Casanova-Salas I, Sanguedolce F, Gonzalez M, Cresta-Morgado P, de Albert M, Garcia-Bennett J, Marmolejo D, Planas J, Roche S, Mast R, Zatse C, Piulats JM, Herrera-Imbroda B, Regis L, Agundez L, Olmos D, Calvo N, Escobar M, Carles J, Mateo J, Perez-Lopez R*. Whole-body Magnetic Resonance Imaging as a Treatment Response Biomarker in Castration-resistant Prostate Cancer with Bone Metastases: The iPROMET Clinical Trial. Eur Urol. 2024 Sep;86(3):272-274. doi: 10.1016/j.eururo.2024.02.016. Epub 2024 Mar 14.
- Garcia-Ruiz A, Pons-Escoda A, Grussu F, Naval-Baudin P, Monreal-Aguero C, Hermann G, Karunamuni R, Ligero M, Lopez-Rueda A, Oleaga L, Berbís MÁ, Cabrera-Zubizarreta A, Martin-Noguerol T, Luna A, Seibert TM, Majos C, Perez-Lopez R*. An accessible deep learning tool for voxel-wise classification of brain malignancies from perfusion MRI. Cell Rep Med. 2024 Mar 19;5(3):101464. doi: 10.1016/j.xcrm.2024.101464. Epub 2024 Mar 11.
- Prior O, Macarro C, Navarro V, Monreal C, Ligero M, Garcia-Ruiz A, Serna G, Simonetti S, Braña I, Vieito M, Escobar M, Capdevila J, Byrne AT, Dienstmann R, Toledo R, Nuciforo P, Garralda E, Grussu F, Bernatowicz K, Perez-Lopez R*. Identification of Precise 3D CT Radiomics for Habitat Computation by Machine Learning in Cancer. Radiol Artif Intell. 2024 Mar;6(2):e230118. doi: 10.1148/ryai.230118. Erratum in: Radiol Artif Intell. 2024 May;6(3):e249001. doi: 10.1148/ryai.249001.
- Ligero M, Gielen B, Navarro V, Cresta Morgado P, Prior O, Dienstmann R, Nuciforo P, Trebeschi S, Beets-Tan R, Sala E, Garralda E, Perez-Lopez R*. A whirl of radiomics-based biomarkers in cancer immunotherapy, why is large scale validation still lacking? NPJ Precis Oncol. 2024 Feb 21;8(1):42. doi: 10.1038/s41698-024-00534-9.
- Fokkinga E, Hernandez-Tamames JA, Ianus A, Nilsson M, Tax CMW, Perez-Lopez R, Grussu F. Advanced Diffusion-Weighted MRI for Cancer Microstructure Assessment in Body Imaging, and Its Relationship With Histology. J Magn Reson Imaging. 2024 Oct;60(4):1278-1304. doi: 10.1002/jmri.29144. Epub 2023 Nov 30.
- Ligero M, Serna G, El Nahhas OSM, Sansano I, Mauchanski S, Viaplana C, Calderaro J, Toledo RA, Dienstmann R, Vanguri RS, Sauter JL, Sanchez-Vega F, Shah SP, Ramón Y Cajal S, Garralda E, Nuciforo P, Perez-Lopez R, Kather JN. Weakly Supervised Deep Learning Predicts Immunotherapy Response in Solid Tumors Based on PD-L1 Expression. Cancer Res Commun. 2024 Jan 11;4(1):92-102. doi: 10.1158/2767-9764.CRC-23-0287.
- Ghaffari Laleh N, Ligero M, Perez-Lopez R, Kather JN. Facts and Hopes on the Use of Artificial Intelligence for Predictive Immunotherapy Biomarkers in Cancer. Clin Cancer Res. 2023 Jan 17;29(2):316-323.
- Ligero, M., Hernando, J., Delgado, E. et al. Radiomics and outcome prediction to antiangiogenic treatment in advanced gastroenteropancreatic neuroendocrine tumours: findings from the phase II TALENT trial. BJC Rep 1, 9 (2023).
- Ligero M, Simó M, Carpio C, Iacoboni G, Balaguer-Montero M, Navarro V, Sánchez-Salinas MA, Bobillo S, Marín-Niebla A, Iraola-Truchuelo J, Abrisqueta P, Sala-Llonch R, Bosch F, Perez-Lopez R, Barba P. PET-based radiomics signature can predict durable responses to CAR T-cell therapy in patients with large B-cell lymphoma. EJHaem. 2023 Sep 11;4(4):1081-1088.
- Ramlee S, Hulse D, Bernatowicz K, Pérez-López R, Sala E, Aloj L. Radiomic Signatures Associated with CD8+ Tumour-Infiltrating Lymphocytes: A Systematic Review and Quality Assessment Study. Cancers (Basel). 2022 Jul 27;14(15):3656.
- Grussu F, Bernatowicz K, Casanova-Salas I, Castro N, Nuciforo P, Mateo J, Barba I, Perez-Lopez R. Diffusion MRI signal cumulants and hepatocyte microstructure at fixed diffusion time: Insights from simulations, 9.4T imaging, and histology. Magn Reson Med. 2022 Jul;88(1):365-379.
- Elez E, Ros J, Fernández J, Villacampa G, Moreno-Cárdenas AB, Arenillas C, Bernatowicz K, Comas R, Li S, Kodack DP, Fasani R, Garcia A, Gonzalo-Ruiz J, Piris-Gimenez A, Nuciforo P, Kerr G, Intini R, Montagna A, Germani MM, Randon G, Vivancos A, Smits R, Graus D, Perez-Lopez R, Cremolini C, Lonardi S, Pietrantonio F, Dienstmann R, Tabernero J, Toledo RA. RNF43 mutations predict response to anti-BRAF/EGFR combinatory therapies in BRAFV600E metastatic colorectal cancer. Nat Med. 2022 Oct;28(10):2162-2170.
- Pons-Escoda A, Garcia-Ruiz A, Naval-Baudin P, Grussu F, Fernandez JJS, Simo AC, Sarro NV, Fernandez-Coello A, Bruna J, Cos M, Perez-Lopez R, Majos C. Voxel-level analysis of normalized DSC-PWI time-intensity curves: a potential generalizable approach and its proof of concept in discriminating glioblastoma and metastasis. Eur Radiol. 2022 Jun;32(6):3705-3715.
- Grussu, F; et al. Diffusion MRI signal cumulants and hepatocyte microstructure at fixed diffusion time: insights from simulations, 9.4T imaging and histology. Magnetic Resonance in Medicine. 2022. doi: 10.1002/mrm.29174 (en prensa).
- Pons-Escoda A, García-Ruiz A, Naval-Baudin P, Grussu F, Fernández JJS, Simóo AC, Sarróo NV, Fernández-Coello A, Bruna J, Cos M, Pérez-López R, Majos C. Voxel-level analysis of normalized DSC-PWI time-intensity curves: a potential generalizable approach and its proof of concept in discriminating glioblastoma and metastasis. Eur Radiol. 2022 Feb 1. DOI: 10.1007/s00330-021-08498-1.
- Bernatowicz, K., Grussu, F., Ligero, M. et al. Robust imaging habitat computation using voxel-wise radiomics features. Sci Rep 11, 20133 (2021). doi: 10.1038/s41598-021-99701-2.
- Ligero M, García-Ruiz A, Viaplana C, Villacampa G, Raciti MV, Landa J, Matos I, Martín-Liberal J, Ochoa-de-Olza M, Hierro C, Mateo J, González M, Morales-Barrera R, Suárez C, Rodón J, Elez E, Braña I, Muñoz-Couselo E, Oaknin A, Fasani R, Nuciforo P, Gil D, Rubio-Pérez C, Seoane J, Felip E, Escobar M, Tabernero J, Carles J, Dienstmann R, Garralda E, Pérez-López R. A CT-based Radiomics Signature Is Associated with Response to Immune Checkpoint Inhibitors in Advanced Solid Tumors. Radiology. 2021 Apr;299(1):109-119. doi: 10.1148/radiol.2021200928.
- García-Ruiz A, Naval-Baudin P, Ligero M, Pons-Escoda A, Bruna J, Plans G, Calvo N, Cos M, Majós C, Pérez-López R. Precise enhancement quantification in post-operative MRI as an indicator of residual tumor impact is associated with survival in patients with glioblastoma. Sci Rep. 2021 Jan 12;11(1):695. doi: 10.1038/s41598-020-79829-3.
- Ligero M, Jordi-Ollero O, Bernatowicz K, García-Ruiz A, Delgado-Muñoz E, Leiva D, Mast R, Suárez C, Sala-Llonch R, Calvo N, Escobar M, Navarro-Martín A, Villacampa G, Dienstmann R, Pérez-López R. Minimizing acquisition-related radiomics variability by image resampling and batch effect correction to allow for large-scale data analysis. Eur Radiol. 2021 Mar;31(3):1460-1470. doi: 10.1007/s00330-020-07174-0.
- Zunder SM, Pérez-López R, de Kok BM, Raciti MV, van Pelt GW, Dienstmann R, García-Ruiz A, Meijer CA, Gelderblom H, Tollenaar RA, Nuciforo P, Wasser MN, Mesker WE. Correlation of the tumour-stroma ratio with diffusion weighted MRI in rectal cancer. Eur J Radiol. 2020 Dec;133:109345. doi: 10.1016/j.ejrad.2020.109345.
- Matos I, Martín-Liberal J, García-Ruiz A, Hierro C, Ochoa de Olza M, Viaplana C, Azaro A, Vieito M, Braña I, Mur G, Ros J, Mateos J, Villacampa G, Berché R, Oliveira M, Alsina M, Elez E, Oaknin A, Muñoz-Couselo E, Carles J, Felip E, Rodón J, Tabernero J, Dienstmann R, Pérez-López R, Garralda E. Capturing Hyperprogressive Disease with Immune-Checkpoint Inhibitors Using RECIST 1.1 Criteria. Clin Cancer Res. 2020 Apr 15;26(8):1846-1855. doi: 10.1158/1078-0432.CCR-19-2226.
Principals projectes de R+D
- Magnetic Resonance Imaging (MRI) foundational artificial intelligence for non-invasive, histologically-meaningful cancer characterisation (MRI-Found-Histo). Funded by: Agencia Estatal de Investigación – Ministerio de Ciencia e Innovación. Reference: PID2024-158670OA-I00. Execution period: 01/09/2025 – 31/08/2028. PI: Francesco Grussu
- Supporting Health Data Access Bodies to establish AI pathways enabling Deployment of AI as medical device tolos – SHAIPED. Funded by the European Commission. Reference 101195135. Execution period: 03/01/2024-02/28/2027. PI: Raquel Pérez-López
- IMPRINT: Imaging Markers for Personalized Response in ImmunoTherapy. Department of Research and Universities of Catalonia. 2024-2026.
- TANGERINE: Artificial-intelligence-based end-to-end prediction of cancer immunotherapy response. TRANSCAN Program (Spanish Association against Cancer and Instituto de Salud Carlos III). 2023-2025.
- ODELIA: An Open Consortium for Decentralized Medical Artificial Intelligence. H2020 Program (European Commission). 2023-2028.
- MARION: Multimodal biomarkers for precise management of metastatic prostate cancer. Proyectos de colaboración público-privada (Industry Ministry Spanish Government). 2023-2025.
- PRECISE: Deciphering colon cancer heterogeneity with machine learning and precision imaging. Instituto de Salud Carlos III. 2022-2025.
- Tumoral senescence induced by anti-cancer therapies constitutes a novel prognostic biomarker and a therapeutic target. Fundación Científica Asociación Española Contra el Cáncer-Proyectos Coordinados. 2021-2026.
- CCE-DART: Building Data Rich Clinical Horizon 2020 Program – European Commission. VHIO. 2021-2026.
- Unraveling the tumor immunophenotype with deep-learning based FERO Foundation Research Fellowship.
- PREdICT: Personalized REsponse Imaging biomarker for Cancer Therapy. CRIS Cancer Foundation Research Talent Program, AstraZeneca PoC Award
- PrecIMet: precision imaging for bone metastases. Fundació La Marató.
- Immune-Image: Specific Imaging of Immune Cell Dynamics Using Novel Tracer Horizon 2020-Innovative Medicine Initiatives (IMI2-Call4; 831514).
- Validación clínica de la resonancia de cuerpo completo con difusión en pacientes con cáncer de próstata resistente a la castración y metástasis óseas. Instituto de Salud Carlos III-Investigación en Salud (PI18/01395).
Beques
- Beca postdoctoral Beatriu de Pinós: “Advancing Magnetic Resonance Imaging against liver cancer”. Destinatari: Francesco Grussu. 2022-2024.
- Fundació La Caixa, Beca INPhINIT Retaining. Doctorat en enginyeria biomèdica (Universitat Politècnica de Catalunya). Investigadora predoctoral: Olivia Prior. 2021-2024.
- PERIS – Beca predoctoral. Doctorat en enginyeria biomèdica (Universitat de Barcelona) Investigadora predoctoral: Marta Ligero. 2021-2024.
