Imágenes histológicas de estimulación Raman de un astrocitoma difuso (izquierda) y un meningioma (derecha). Imagen cortesía del Dr. Daniel Orringer
Imágenes ópticas e inteligencia artificial para identificar tumores cerebrales
La combinación de un método avanzado de análisis de imágenes ópticas, con un algoritmo de inteligencia artificial (IA) permite obtener un diagnóstico intraoperatorio preciso y en tiempo real de tumores cerebrales.
10 de enero de 2020| Editores de BioOptics World
Investigadores de la Universidad de Nueva York (NYU; Nueva York, NY) combinaron un método avanzado de imágenes ópticas, con un algoritmo de inteligencia artificial (IA) para producir un diagnóstico intraoperatorio preciso y en tiempo real de tumores cerebrales.
En su estudio, los investigadores examinaron la precisión diagnóstica de la clasificación basada en imágenes de tumores cerebrales a través del aprendizaje automático, en comparación con la precisión de la interpretación realizada por patólogos experimentados de imágenes histológicas convencionales. Los resultados de ambos métodos fueron comparables: el diagnóstico basado en IAtuvo una precisión de 94,6%, respecto del 93,9% de la interpretación basada en el análisis realizado por los patólogos.
La técnica histología de estimulación Raman (SRH), revela la infiltración tumoral en el tejido humano mediante la recolección de luz láser dispersa, iluminando características esenciales que no se observan en las imágenes histológicas estándar. Las imágenes microscópicas se procesan y analizan con IA, y en menos de dos minutos y medio, los cirujanos son capaces de tener un diagnóstico del tumor cerebral. Usando la misma tecnología, después de la resección, son capaces de detectar y eliminar con precisión el tumor indetectable.
"Como cirujanos, estamos limitados a actuar en función de lo que podemos ver; esta tecnología nos permite observar lo que de otro modo sería invisible, para mejorar la velocidad y la precisión en el quirófano, y reducir el riesgo de un diagnóstico erróneo", dijo el autor principal Daniel A. Orringer, MD, profesor asociado de Neurocirugía en la Escuela De Medicina Grossman de la NYU, que ayudó a desarrollar SRH y codirigió el estudio, con colegas de la Universidad de Michigan (Ann Arbor, MI)
Para construir la herramienta de IA utilizada en el estudio, los investigadores entrenaron 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, incluyendo glioma maligno, linfoma, tumores metastásicos y meningioma.
Con el fin de validar la CNN, los investigadores inscribieron a 278 pacientes sometidos a resección de tumores cerebrales o cirugía de epilepsia en tres centros médicos universitarios en el ensayo clínico prospectivo. Las muestras de tumores cerebrales fueron obtenidas de biopsias de pacientes, divididas en la cirugía en muestras hermanas y asignadas aleatoriamente a un lote control y un lote problema.
Los especímenes del grupo control fueron enviados a un laboratorio de anatomía patológica procesados e interpretados por los patólogos experimentados. Sin contar con todo el procesamiento, el diagnóstico tomó entre 20-30 minutos. El grupo problema se analizó de forma intraoperatoria, desde la adquisición y el procesamiento de imágenes, hasta la predicción diagnóstica a través de CNN.
En particular, los errores de diagnóstico en el grupo problema, se dieron a partir de los errores en el grupo de control, lo que sugiere que un patólogo que utiliza esta novedosa técnica podría lograr una precisión cercana al 100%. La capacidad diagnóstica del sistema también podría ser beneficiosa para los centros que carece de acceso a neuropatólogos expertos.
El Dr. Orringer se unió a NYU Langone en agosto de 2019, trayendo consigo la tecnología SRH que ayudó a desarrollar. El Centro de Tumores cerebrales y de la Médula Espinal de NYU Langone es el primero en el noreste en ofrecer esta técnica, utilizando el Sistema de Imágenes Láser NIO de Invenio. SRH trabaja en conjunto con la RMN intraoperatoria y la cirugía guiada por fluorescencia para proporcionar orientación de precisión de alta resolución para los neurocirujanos de NYU Langone.
Los detalles completos del trabajo se publicaron en Nature Medicine 26, 52–58 (2020). https://doi.org/10.1038/s41591-019-0715-9.
