Un innovador instrumento basado en Inteligencia Artificial (IA) ha sido desarrollado por científicos para descifrar rápidamente el ADN de un tumor cerebral durante una intervención quirúrgica, determinando así su identidad molecular – una tarea que con los métodos actuales puede llevar desde varios días hasta semanas.
Conocer el tipo molecular del tumor permite a los neurocirujanos tomar decisiones vitales, como la cantidad de tejido cerebral que se debe extraer o si se deben aplicar medicamentos para eliminar el tumor directamente en el cerebro, todo mientras el paciente aún se encuentra en la mesa de operaciones.
Un informe sobre este trabajo, liderado por investigadores de la Escuela de Medicina de Harvard, fue publicado el 7 de julio en la revista Med.
Un diagnóstico molecular preciso durante la cirugía, que detalla las alteraciones del ADN en una célula, puede ayudar a un neurocirujano a decidir cuánto tejido cerebral se debe extraer. Extraer demasiado cuando el tumor es menos agresivo puede afectar la función neurológica y cognitiva del paciente. De manera similar, extraer muy poco cuando el tumor es muy agresivo puede dejar atrás tejido maligno que puede crecer y propagarse rápidamente.
La herramienta IA , llamada CHARM (Máquina de Evaluación y Revisión de Histopatología de Criosección, por sus siglas en inglés), todavía tiene que ser clínicamente validada a través de pruebas en entornos del mundo real y aprobada por la FDA antes de su implementación en los hospitales, afirmó el equipo de investigación.
Relacionado
Entrenando a CHARM-Herramienta IA en cirugia de tumores cerebrales
CHARM (Cryosection Histopathology Assessment and Review Machine) es una herramienta innovadora en el campo de la medicina y neurocirugía. Su desarrollo implicó un proceso extenso y meticuloso de formación.
Para entrenar a CHARM, se utilizaron 2,334 muestras de tumores cerebrales de 1,524 personas con glioma de tres poblaciones diferentes de pacientes. Al poner a prueba a CHARM con un conjunto de muestras cerebrales nunca antes vistas, la herramienta logró diferenciar tumores con mutaciones moleculares específicas con un 93% de precisión. Además, clasificó con éxito tres tipos principales de gliomas con características moleculares distintas, cada uno con diferentes pronósticos y respuestas al tratamiento.
Lo que hace especialmente innovador el entrenamiento de CHARM es que la herramienta pudo captar características visuales del tejido circundante a las células malignas. Demostró ser capaz de identificar áreas indicativas con mayor densidad celular y más muerte celular dentro de las muestras, ambos factores que señalan tipos de glioma más agresivos.
El entrenamiento de CHARM también incluyó la capacidad de identificar alteraciones moleculares clínicamente importantes en un subconjunto de gliomas de bajo grado, un subtipo de glioma que es menos agresivo y, por lo tanto, menos propenso a invadir el tejido circundante.
Además, CHARM, durante su entrenamiento, vinculó la apariencia de las células (la forma de sus núcleos, la presencia de edema alrededor de las células) con el perfil molecular del tumor. Esto significa que el algoritmo puede identificar cómo la apariencia de una célula se relaciona con el tipo molecular de un tumor.
Según los investigadores, aunque el modelo se entrenó y probó en muestras de glioma, podría volver a entrenarse con éxito para identificar otros subtipos de cáncer cerebral. En la formación de CHARM, también se tuvo en cuenta la necesidad de re-entrenar la herramienta periódicamente para reflejar nuevas clasificaciones de enfermedades a medida que surgen del nuevo conocimiento. Tal como declaró el autor principal del estudio, «Al igual que los clínicos humanos que deben participar en educación y formación continua, las herramientas de IA deben mantenerse al día con los últimos conocimientos para mantener su rendimiento máximo».
«Al igual que los clínicos humanos que deben participar en educación y formación continua, las herramientas de IA como la Herramienta IA en Cirugía de Tumores Cerebrales deben mantenerse al día con los últimos conocimientos para mantener su rendimiento máximo», dice el autor principal del estudio.
Redacción Team evolupedia!
