Η ανάπτυξη και η εφαρμογή νέων τεχνολογιών στην ιατρική είχε σαν αποτέλεσμα να ανοίξει νέους ορίζοντες στη διάγνωση, την παρακολούθηση και την αντιμετώπιση του καρκίνου. Μια από τις πιο αναπτυσσόμενες μεθόδους στην ανάλυση των ιατρικών εικόνων είναι τα radiomics. Με την βοήθεια τους μπορούμε να πραγματοποιήσουμε ανάλυση και να εξάγουμε από έναν πολύ μεγάλο αριθμό χαρακτηριστικών των όγκων, όπως η μορφολογία , η δομή, η πυκνότητα, η ασυνήθιστη ανάπτυξη και διάδοση του όγκου, συμπεράσματα τα οποία συνδυάζονται με κλινικά δεδομένα και γενετικές πληροφορίες ώστε να πραγματοποιηθεί πρόβλεψη διάγνωσης και να βγουν συμπεράσματα στην ανταπόκριση της θεραπείας των ασθενών.

Στη μελέτη των όγκων των πνευμόνων τα radiomics επιτρέπουν την εξαγωγή πληροφοριών μέσω της επεξεργασίας των Dicom αρχείων ιατρικών εικόνων που λαμβάνουμε, από ακτινολογικά απεικονιστικά συστήματα όπως ο αξονικός τομογράφος (CT) , ο μαγνητικός τομογράφος (MRI), το PET κα. Τα συμπεράσματα αυτά μπορούν να είναι από πληροφορίες των εικόνων οι οποίες δεν υπάρχει η δυνατότητα να  διαπιστωθούν με γυμνό μάτι. Στη συνέχεια με τη βοήθεια προηγμένων αλγορίθμων και τεχνικών μηχανικής μάθησης, αναπτύσσονται προγνωστικά μοντέλα για την πρόβλεψη της εξέλιξης του όγκου και την ανταπόκρισης της θεραπείας.

Στη τεράστια σημασία της εφαρμογής των radiomics στον καρκίνο του πνεύμονα προσδίδει ακόμη πιο μεγάλη βαρύτητα το γεγονός ότι ο καρκίνος αυτός αποτελεί μια από τις κυριότερες αιτίες θανάτου παγκοσμίως. Επομένως η ακρίβεια της πρόβλεψης, της πρόγνωσης και της ανταπόκρισης στην θεραπεία παίζει σημαντικό ρόλο για την επιλογή της βέλτιστης θεραπευτικής προσέγγισης του ασθενή.

Σημαντικό ακόμη είναι να σημειωθεί ότι τα radiomics αποτελούν έναν σχετικά νέο τομέα έρευνας, τα αποτελέσματα του οποίου θα πρέπει να επιβεβαιώνονται με περαιτέρω μελέτη για να μπορέσουν τελικά να εφαρμοστούν κλινικά.

The development and application of new technologies in medicine has resulted in opening up new horizons in the diagnosis, monitoring and treatment of cancer. One of the most developing methods in the analysis of medical images is radiomics. With their help we can carry out analysis and extract from a very large number of tumor characteristics such as morphology, structure, density, unusual growth and spread of the tumor, conclusions which are combined with clinical data and genetic information in order to carry out diagnosis prediction and draw conclusions on the response to treatment of patients.

In the study of lung tumors radiomics allows the extraction of information through the processing of dicom files of medical images obtained from radiological imaging systems such as CT (CT), MRI (MRI), PET etc. These inferences may be from information in the images that cannot be ascertained with the naked eye. Then with the help of advanced algorithms and machine learning techniques, predictive models are developed to predict tumor progression and treatment response.

The immense importance of the application of radiomics to lung tumors is made all the more significant by the fact that these tumors are one of the leading causes of death worldwide. Therefore, the accuracy of prediction, prognosis and response to treatment plays an important role in selecting the optimal therapeutic approach for the patient.

It is also important to note that radiomics is a relatively new area of research, the results of which need to be confirmed by further study before they can eventually be applied clinically.