Utilizan la inteligencia artificial para mejorar el diagnóstico de tumores cerebrales

Publicado 08/01/2020 11:35:04CET
Imágenes histológicas Raman estimuladas de astrocitoma difuso (izquierda) y meningioma (derecha).
Imágenes histológicas Raman estimuladas de astrocitoma difuso (izquierda) y meningioma (derecha). - DANIEL ORRINGER, NYU LANGONE HEALTH

   MADRID, 8 Ene. (EUROPA PRESS) -

   Un equipo de investigadores del NYU Langone Orthopedic Center (Estados Unidos) ha desarrollado un método que, al combinar imágenes ópticas con un algoritmo de inteligencia artificial, detecta con precisión, y en tiempo real, tumores cerebrales.

   Publicado en la revista 'Nature Medicine', el trabajo examinó la precisión diagnóstica de la clasificación de imágenes de tumores cerebrales a través del aprendizaje automático, comparándolo con la precisión de la interpretación del patólogo de las imágenes histológicas convencionales. De esta forma, se ha evidenciado que el diagnóstico basado en inteligencia artificial es un 94,6 por ciento preciso, en comparación con el 93,9 por ciento si lo realiza un patólogo.

   La técnica de imagen, estimulada por la histología Raman (SRH), revela la infiltración tumoral en el tejido humano mediante la recolección de luz láser dispersa, iluminando características esenciales que no se ven típicamente en imágenes histológicas estándar.

   Las imágenes microscópicas se procesan y analizan con inteligencia artificial y, en menos de dos minutos y medio, los cirujanos pueden ver un diagnóstico predicho de tumor cerebral. Asimismo, usando la misma tecnología, después de la resección, pueden detectar y eliminar con precisión el tumor que de otro modo no se podría detectar.

   "Como cirujanos estamos limitados a actuar sobre lo que podemos ver. Esta tecnología nos permite observar lo que de otro modo sería invisible, lo que mejora la velocidad y precisión en el quirófano, y reduce el riesgo de diagnóstico erróneo. Con esta tecnología de imágenes, las operaciones de cáncer son más seguras y efectivas que nunca", han dicho los investigadores.

   Para construir la herramienta de inteligencia artificial utilizada en el estudio, los expertos capacitaron a una red neuronal convolucional profunda (CNN) con más de 2,5 millones de muestras de 415 pacientes para clasificar el tejido en 13 categorías histológicas que representan los tumores cerebrales más comunes, incluido el glioma maligno, el linfoma , tumores metastásicos y meningioma.

   Además, para validar la CNN, inscribieron a 278 pacientes sometidos a resección de tumor cerebral o cirugía de epilepsia en tres centros médicos universitarios en el ensayo clínico prospectivo. Las muestras de tumor cerebral se biopsiaron de pacientes, se dividieron intraoperatoriamente en muestras hermanas y se asignaron aleatoriamente al brazo de control o experimental.

   Las muestras obtenidas a través del brazo de control, la práctica estándar actual, fueron llevadas a un laboratorio de patología y pasaron por el procesamiento de muestras, la preparación de portaobjetos por parte de los técnicos y la interpretación de los patólogos, un proceso que demora entre 20 y 30 minutos.

   "La SSR revolucionará el campo de la neuropatología al mejorar la toma de decisiones durante la cirugía y proporcionar una evaluación a nivel de expertos en los hospitales donde no hay neuropatólogos capacitados", han zanjado los investigadores.

Contador