La inteligencia artificial acelera el diagnóstico de tumores cerebrales durante la cirugía
, por el Equipo del NCI
Para los pacientes con tumores cerebrales, el primer paso del tratamiento suele ser una cirugía para eliminar la mayor cantidad posible de masa tumoral. Las muestras tumorales que se obtienen y analizan durante la cirugía sirven para diagnosticar con precisión el tumor y definir los márgenes entre el tumor y el tejido cerebral sano.
No obstante, este análisis patológico durante la cirugía (intraoperatorio) lleva tiempo; un patólogo debe preparar, teñir y analizar la muestra mientras el cirujano y el paciente esperan los resultados. Ahora, en un nuevo estudio se indica que mediante el uso combinado de inteligencia artificial y una técnica avanzada de obtención de imágenes es posible diagnosticar con precisión los tumores cerebrales en menos de 3 minutos durante la cirugía. Con este método también se diferenció con exactitud el tejido tumoral del tejido sano.
No obstante, este análisis patológico durante la cirugía (intraoperatorio) lleva tiempo; un patólogo debe preparar, teñir y analizar la muestra mientras el cirujano y el paciente esperan los resultados. Ahora, en un nuevo estudio se indica que mediante el uso combinado de inteligencia artificial y una técnica avanzada de obtención de imágenes es posible diagnosticar con precisión los tumores cerebrales en menos de 3 minutos durante la cirugía. Con este método también se diferenció con exactitud el tejido tumoral del tejido sano.
Los resultados se publicaron el 6 de enero en Nature Medicine.
"Esta tecnología es alentadora, en particular para pacientes con tumores que se detectaron en forma reciente y para pacientes con [tumores recidivantes] que se someterán a una segunda o tercera cirugía", expresó el doctor Daniel Orringer, de Langone Health en la Universidad de Nueva York (NYU), que colaboró en la dirección del estudio.
Según el equipo de investigación, este estudio abre las puertas para "ofrecer acceso sin precedentes al diagnóstico intraoperatorio de tejido mientras el paciente está en la mesa de operaciones" y, a la vez, "disminuye el riesgo de extirpar… tejido normal adyacente al [tumor]".
El doctor y licenciado en Medicina Kareem Zaghloul, neurocirujano de la Unidad de Neurología Quirúrgica de los Institutos Nacionales de la Salud (NIH), que no participó en la investigación, comentó que los resultados del estudio son alentadores. "Este tipo de técnica nos ayuda a saber cuán intensiva o conservadora debe ser la cirugía", puntualizó el doctor Zaghloul.
La aplicación de la imaginología y la tecnología de inteligencia artificial
Para mejorar el análisis histopatológico intraoperatorio que se usa en la actualidad, un equipo de investigación dirigido por los doctores Orringer y Todd Hollon (jefe de residentes de neurocirugía en la Universidad de Michigan) quiso probar si era posible combinar las imágenes obtenidas mediante estudio histológico por estimulación Raman (SRH) con el poder predictivo de la inteligencia artificial.
La técnica de SRH, un tipo especializado de microscopía, se usa para visualizar muestras de tejido recién obtenidas en la sala de operaciones e incluso producir el mismo tipo de tinción que los patólogos aplican a las muestras de tejido congeladas para analizar la estructura celular. En la Universidad de Michigan, hay equipos de cirugía que ya usan un sistema de SRH para algunos procedimientos de tumores cerebrales y de cánceres de cabeza y cuello.
Para la inteligencia artificial se emplean computadoras potentes para desempeñar tareas que en general se asocian con la inteligencia humana. Un tipo de inteligencia artificial que se conoce como aprendizaje profundo usa algoritmos matemáticos complejos, que a veces se llaman redes de giros neuronales, para extraer características de los datos y aprender de estas.
Esta autocapacitación hace que el algoritmo identifique patrones y analice imágenes. En medicina, por ejemplo, se estudian estos algoritmos para determinar si sirven para evaluar mamografías, detectar tejido precanceroso en el cuello uterino o detectar lunares cancerosos con mayor precisión.
A fin de combinar la potencia de la técnica del SRH con la inteligencia artificial, los investigadores comenzaron por alimentar un algoritmo con imágenes del tejido de un tumor cerebral producidas con SRH. Para esta capacitación se usaron más de 2,5 millones de imágenes de tejido tumoral de 415 pacientes. Las imágenes incluyeron tres clasificaciones de tejido no tumoral, incluso de sustancia gris o blanca sana, y 10 de los tipos más comunes de tumores cerebrales, que representan más de 90 % de todos los diagnósticos de tumores cerebrales en los Estados Unidos.
"Al principio, fue un gran reto decidir el tamaño y la resolución ideales de las imágenes para capacitar al algoritmo", comentó el doctor Hollon. Una vez que determinamos los parámetros ideales, el algoritmo aprendió a clasificar las muestras de tejido en: tumor confirmado, tejido no tumoral o tumor sin diagnóstico (es decir, que el análisis mediante inteligencia artificial no fue posible).
Pruebas en un estudio clínico
A fin de explorar el valor clínico de la tecnología combinada de SRH e inteligencia artificial para el diagnóstico de tumores cerebrales, los investigadores inscribieron a cerca de 280 pacientes en un estudio clínico; todos los participantes autorizaron a que los cirujanos recolectasen más tejido tumoral del que hubiesen obtenido en forma usual, pero de tal forma que no aumentara el riesgo.
Las muestras de tejido se dividieron en dos y se analizaron con la nueva técnica (imágenes creadas con SRH y clasificadas por el algoritmo) en la sala de operaciones y, además, se hizo un análisis histopatológico convencional (preparación, tinción y análisis de tejidos por un patólogo) para ver si la nueva tecnología era tan precisa como la tecnología convencional.
Se comprobó que así fue. El algoritmo determinó en forma correcta el diagnóstico de los tumores cerebrales 94,6 % de las veces, mientras que los análisis convencionales de patología tuvieron un índice general de precisión de 93,9 %.
En los casos en los que el algoritmo clasificó de forma incorrecta las muestras de tejido, un patólogo determinó el diagnóstico correcto. En los casos en que los patólogos clasificaron la muestra en forma incorrecta, el algoritmo determinó el diagnóstico correcto.
Los investigadores señalaron que la capacidad de la técnica de inteligencia artificial y la de los patólogos mediante comprobación mutua destaca la necesidad de que los patólogos trabajen con la técnica de inteligencia artificial. Esta labor conjunta facilitaría la interpretación de los casos difíciles y garantizaría la mayor precisión diagnóstica posible.
Mejora de la precisión quirúrgica
Es posible determinar el grado en que se logró eliminar el tumor durante la cirugía y, también mediante una resonancia magnética (IRM) posoperatoria que muestre cuán completa fue la extirpación. Al eliminar la mayor cantidad posible de tejido tumoral durante la cirugía se mejora la supervivencia de los pacientes. Sin embargo, si se extirpa demasiado tejido cerebral sano durante la cirugía, se producen consecuencias graves y dañinas para los pacientes, como deterioro en la motricidad, pérdida de memoria o problemas de la vista.
Para evaluar este aspecto, los investigadores analizaron también la capacidad de la nueva técnica para distinguir entre el tejido cerebral tumoral y el tejido sano mientras el paciente seguía en cirugía.
Debido a que las células tumorales a veces se infiltran al tejido sano, es difícil identificar a simple vista el límite entre el tejido tumoral y el tejido sano durante la cirugía. La técnica de inteligencia artificial divide la imagen de cada muestra en sectores más pequeños y esto permite a los cirujanos identificar con rapidez y claridad las áreas con tejido tumoral o tejido sano.
El doctor Orringer mencionó que, con el uso de SRH y la inteligencia artificial combinadas, "podemos… visualizar las [células] tumorales que, de lo contrario, son invisibles durante la cirugía".
Además, debido a que "el pronóstico de los pacientes depende del alcance de la resección", aclaró el doctor Zaghloul, si contamos con información más precisa sobre el margen entre el cerebro y el tumor "podríamos obtener mejores resultados de tratamiento para los pacientes y menos complicaciones por la cirugía porque se conserva más tejido sano¨.
El futuro de la inteligencia artificial en los tumores cerebrales
Antes de que el uso de esta nueva técnica se extienda a otros centros e instituciones, "se necesita probar la técnica de forma fiable con más pacientes y ampliar su uso para incluir los tumores cerebrales poco comunes", concluyó el doctor Zaghloul.
En la actualidad, la imaginología por SRH se usa en varios centros oncológicos importantes de los Estados Unidos. El doctor Orringer explicó que tanto la inteligencia artificial como la imaginología por SRH son técnicas emergentes, o sea que habrá desafíos para integrarlas a la atención médica, como problemas financieros o reglamentarios, y de capacitación del personal clínico.
No obstante, el doctor Orringer espera que el uso de la técnica combinada de SRH e inteligencia artificial se amplíe en el futuro a otros sitios, como los centros con pocos recursos para análisis patológicos, y se aplique a otros tipos de cáncer.
.png)
No hay comentarios:
Publicar un comentario