Según un estudio reciente, la nueva tecnología de vanguardia que utiliza inteligencia artificial junto con imágenes ópticas proporciona a los neurocirujanos un método casi en tiempo real para diagnosticar tumores cerebrales durante la cirugía.
El estudio colaborativo, en coautoría de neurocirujanos del Sylvester Comprehensive Cancer Center, parte de la Facultad de medicina Miller de la Universidad de Miami, se publicó el 6 de enero en la revista Nature Medicine .
“Realmente es un paso adelante para proporcionar diagnósticos intraoperatorios rápidos de tumores malignos y benignos, que es información esencial necesaria para tomar decisiones críticas durante una cirugía de tumor cerebral segura y eficaz”, dijo el neurocirujano de Sylvester y coautor del estudio, Michael Ivan, MD, MBS . quien desempeñó un papel importante en el desarrollo de la tecnología de histología Raman estimulada ( SRH ) con colaboradores líderes en la Universidad de Nueva York y la Universidad de Michigan. “Este proceso digitalizado brinda a los equipos quirúrgicos un diagnóstico en menos de tres minutos en comparación con el tiempo de espera de 20 a 30 minutos durante un proceso tradicional”.
El diagnóstico histopatológico preciso es crucial para la planificación durante la extirpación quirúrgica real de los tumores cerebrales. Los métodos convencionales para la histología intraoperatoria consumen mucho tiempo y requieren cortes y congelación, y requieren el transporte de tejidos a un laboratorio de patología, el procesamiento de muestras, la preparación de portaobjetos por parte de técnicos altamente capacitados y la interpretación por parte de patólogos, y cada paso representa una barrera potencial para la entrega segura, oportuna y segura. y una atención quirúrgica eficaz.
Titulado “Diagnóstico de tumor cerebral intraoperatorio casi en tiempo real utilizando histología Raman estimulada y redes neuronales profundas”, el estudio examinó la precisión diagnóstica de la clasificación de imágenes de tumores cerebrales a través del aprendizaje automático, en comparación con la precisión de las imágenes histológicas convencionales interpretadas por patólogos. Los resultados de ambos métodos fueron comparables: el diagnóstico basado en IA tuvo una precisión del 94,6 %, en comparación con el 93,9 % de la interpretación basada en el patólogo en una muestra congelada.
Una de las ventajas más significativas de la histología Raman estimulada es garantizar una mayor precisión en la eliminación completa de tumores cerebrales cancerosos, dijo el Dr. Ivan, líder del Grupo de enfermedades del sitio de neurooncología en Sylvester y profesor asistente de cirugía neurológica en la Escuela Miller de Medicamento.
“En muchas de nuestras cirugías de tumores malignos, la capacidad de extirpar todo el tumor marca la diferencia en la supervivencia general del paciente”, dijo el Dr. Ivan. “La inteligencia artificial proporciona información más rápida y frecuente al cirujano mientras opera para garantizar que los límites de la resección quirúrgica estén libres de cáncer”.
Esta tecnología revolucionaria es un emocionante paso adelante en el tratamiento de los tumores cerebrales, dijo el neurocirujano de Sylvester , Ricardo Komotar, MD , quien también se desempeñó como coautor del estudio y es director de neurooncología quirúrgica y Brain Tumor Initiative en Sylvester . .
Table of Contents
Cómo funciona la histología Raman estimulada
La técnica de imagen pionera revela la infiltración tumoral en el tejido humano mediante la recolección de luz láser dispersa que ilumina las características esenciales que normalmente no se ven en las imágenes histológicas estándar.
Luego, las imágenes microscópicas se procesan y analizan con inteligencia artificial, y en menos de dos minutos y medio, los cirujanos pueden ver un diagnóstico de tumor cerebral previsto. Usando la misma tecnología, después de la resección, pudieron detectar y extirpar con precisión un tumor que de otro modo sería indetectable.
“Este es un sistema de IA muy complejo, que analiza los patrones, la intensidad y la coloración de la imagen digital de la muestra para brindar un diagnóstico instantáneo”, dijo el Dr. Ivan.
Cómo se realizó el estudio
Para construir la herramienta, los investigadores diseñaron un modelo de inteligencia artificial entrenado en más de 2,5 millones de imágenes: una red neuronal convolucional profunda ( CNN ) compuesta por 415 muestras de pacientes para clasificar el tejido en 13 categorías histológicas que representan los tumores cerebrales más comunes, incluido el glioma maligno, linfoma, tumores metastásicos y meningioma.
Para validar la CNN , el Dr. Ivan y los investigadores y neurocirujanos de otros dos sitios inscribieron a 278 pacientes que se sometieron a una resección de un tumor cerebral o cirugía de epilepsia en el estudio clínico. Se tomaron biopsias de muestras de tumores cerebrales de los pacientes, se dividieron intraoperatoriamente en muestras hermanas y se asignaron aleatoriamente al brazo de control o experimental.
Las muestras enviadas a través del grupo de control, la práctica estándar actual, se transportaron a un laboratorio de patología y se sometieron a un procesamiento de muestras convencional. El grupo experimental se realizó de forma intraoperatoria, desde la adquisición y procesamiento de imágenes hasta la predicción diagnóstica vía CNN .
El estudio mostró que los errores de diagnóstico en el grupo experimental eran únicos de los errores en el grupo de control, lo que sugiere que un patólogo que utilice la técnica novedosa podría lograr una precisión cercana al 100 por ciento. La capacidad diagnóstica precisa del sistema también podría ser beneficiosa para los centros que no tienen acceso a neuropatólogos expertos.
“Como cirujanos, estamos limitados a actuar sobre lo que podemos ver; esta tecnología nos permite ver lo que de otro modo sería invisible, para mejorar la velocidad y la precisión en el quirófano y reducir el riesgo de diagnósticos erróneos”, dijo el autor principal Daniel A. Orringer, MD, profesor asociado de neurocirugía en la Escuela de Medicina Grossman de la NYU , quien ayudó a desarrollar SSR y codirigió el estudio con colegas de la Universidad de Michigan. “Con esta tecnología de imágenes, las operaciones de cáncer son más seguras y efectivas que nunca”.
Además de acelerar el flujo de trabajo de los patólogos, los investigadores concluyen que la tecnología se puede utilizar en otros entornos médicos que dependen del análisis experto de muestras tumorales obtenidas durante la cirugía.
“La combinación de inteligencia artificial y experiencia quirúrgica es un ejemplo de lo que separa a Sylvester Comprehensive Cancer Center de otros centros en el estado de Florida”, dijo el Dr. Komotar.
Artículos Relacionados:
- Reseñas de Kiierr – Gorro láser 2022 para el crecimiento del cabello
- Golden Monk Kratom Vendor 2022: Reseñas de clientes, cepas, cupones
- Gundry MD Power Blues – Reseñas de suplementos de 2022 y guía de compra
- Los mejores terapeutas holísticos cerca de mí 2022: 5 asesoramiento espiritual
- Los mejores estetoscopios de 2022: reseñas de las 10 mejores marcas
- Reseñas de aceite de oliva Gundry MD – Producto de polifenol 2022
Dr. Martin Passen, a dedicated nutrition educator with a master’s in nutrition education and nearing completion of a clinical nutrition and dietetics master’s. Passionate about sharing valuable information effectively.