Una innovadora inteligencia artificial puede detectar un tumor cerebral canceroso en tan solo 10 segundos, algo que a menudo se pasa por alto durante las cirugías. Este sistema es capaz de determinar, durante una operación, si alguna parte de un tumor cerebral extirpable permanece en el tejido sano. Además, lo hace con mayor rapidez y precisión que los métodos actuales de detección.
Los desarrolladores de esta tecnología creen que en el futuro podría utilizarse para la identificación rápida y precisa de otros tipos de cáncer. En las pruebas realizadas, denominada FastGlioma, el sistema demostró un rendimiento notable al superar ampliamente a los métodos convencionales en la identificación de restos no extirpados de estos tumores.
El equipo internacional detrás de esta investigación incluye a Akhil Kondepudi y Todd Hollon de la Universidad de Michigan, así como a Shawn Hervey-Jumper de la Universidad de California en San Francisco, todas ellas instituciones en Estados Unidos. Según el Dr. Hollon, neurocirujano, FastGlioma tiene un gran potencial para mejorar significativamente el tratamiento de pacientes con gliomas difusos.
Durante la extirpación de un tumor cerebral potencialmente mortal, los neurocirujanos rara vez logran eliminar toda la masa. Lo que queda se conoce como tumor residual, que a menudo es difícil de detectar durante la cirugía debido a su similitud con el tejido cerebral sano. Esta dificultad para distinguir entre ambos representa un desafío importante en la práctica quirúrgica.
Los cirujanos utilizan diferentes métodos para localizar el tumor residual durante la operación. Pueden recurrir a imágenes por resonancia magnética, aunque esto requiere equipos intraoperatorios que pueden ser complicados de manejar en muchos quirófanos. También pueden usar agentes fluorescentes para identificar el tejido tumoral, pero este enfoque no es aplicable a todos los tipos de tumores, lo que limita su uso generalizado.
El equipo evaluó FastGlioma analizando muestras recientes y sin procesar de 220 pacientes operados por glioma difuso, ya sea de bajo o alto grado. El sistema logró detectar los restos tumorales y calcular la cantidad restante en el cerebro con una precisión promedio del 92%. En comparación con cirugías guiadas por métodos convencionales, FastGlioma solo pasó por alto el tumor residual de alto riesgo en el 3.8% de los casos, mientras que los métodos tradicionales lo hicieron en casi el 25% de las ocasiones.
El estudio que evaluó FastGlioma se titula “Visual foundation models for fast, label-free detection of diffuse glioma infiltration” y ha sido publicado en la revista académica Nature.16:20