El cáncer de ovario (CO) sigue siendo uno de los tumores ginecológicos más mortales a nivel mundial. A pesar de la implementación de diversos enfoques de imagen médica para el cribado de CO, lograr un diagnóstico diferencial preciso de los tumores ováricos continúa siendo un desafío importante debido a la variabilidad en el rendimiento de las imágenes, lo que resulta en una falta de objetividad que depende en gran medida de la experiencia de los profesionales médicos. Este desafío puede abordarse mediante la aparición y el avance de la radiómica, que permite la extracción de información valiosa de imágenes médicas convencionales a alta velocidad. Además, la radiómica puede integrarse con la genómica, un enfoque novedoso denominado radiogenómica, que permite una evaluación más completa, precisa y personalizada de las características biológicas del tumor. En esta revisión, presentamos una visión amplia sobre la aplicación de la radiómica y la radiogenómica en el diagnóstico y la predicción de tumores ováricos. Los hallazgos indican que los métodos de inteligencia artificial basados en imágenes pueden diferenciar con precisión entre tumores ováricos benignos y malignos, así como clasificar sus subtipos. Además, estos métodos son efectivos para pronosticar las tasas de supervivencia, los resultados del tratamiento, el riesgo de metástasis y la recurrencia en pacientes con CO. Se anticipa que estos avances funcionarán como herramientas de apoyo a la toma de decisiones para el manejo del CO, al tiempo que contribuirán al avance de la medicina de precisión.

Radiómica;Radiogenómica;Aprendizaje automático;Aprendizaje profundo;cáncer de ovario