Los neurocirujanos se enfrentan a menudo a decisiones críticas durante el proceso de extirpación del tumor.
Ahora, científicos holandeses han introducido una herramienta de IA para ayudar en el proceso de toma de decisiones intraquirúrgicas, proporcionando a los cirujanos información ultrarrápida sobre tipos y subtipos de tumores.
Según un reciente estudio publicado en NatureLa IA examina segmentos específicos del ADN de un tumor, identificando estructuras químicas distintas.
Este análisis permite conocer el tipo de tumor y, posiblemente, su subtipo. Esta información oportuna puede orientar a los cirujanos en su planteamiento de la operación quirúrgica.
"Es imprescindible conocer el subtipo de tumor en el momento de la cirugía", declaró Jeroen de Ridder, profesor asociado del UMC de Utrecht. "Lo que ahora hemos hecho posible de forma única es permitir que este diagnóstico de grano muy fino, robusto y detallado se realice ya durante la cirugía".
Su sistema de aprendizaje profundo, denominado Sturgeon, fue sometido a rigurosas pruebas. En algunas pruebas iniciales, la IA se abstuvo de diagnosticar debido a datos ambiguos.
En conjunto, los investigadores demostraron la eficacia del modelo en tiempo real en 25 intervenciones quirúrgicas, logrando un tiempo de diagnóstico rápido inferior a 90 minutos, mucho más rápido que los métodos tradicionales. 72% de los diagnósticos fueron correctos, pero siete no alcanzaron el umbral de confianza requerido.
Mientras que el proceso de diagnóstico estándar implica un examen microscópico de muestras de tumores cerebrales, la secuenciación genética exhaustiva ofrece conocimientos más profundos. Sin embargo, como destacó el Dr. Alan Cohen, de Johns Hopkins, "tenemos que empezar el tratamiento sin saber qué estamos tratando."
El Dr. de Ridder explicó con más detalle la capacidad de la IA: "Puede averiguar por sí misma lo que está viendo y hacer una clasificación sólida".
Aún así, persisten algunos retos. La variabilidad dentro del tumor, el tamaño de la muestra y ciertos tumores escurridizos pueden plantear dificultades. A este respecto, Marc Pagès-Gallego, coautor de un estudio, explicó cómo resolvieron estos problemas.
El Dr. Sebastian Brandner, del University College de Londres, comentó los aspectos prácticos y afirmó: "La aplicación en sí es menos sencilla de lo que a menudo se sugiere".
Aunque la herramienta representa un avance significativo, tiene sus limitaciones.
Aomo admitió el Dr. Cohen, "hemos logrado algunos avances, pero no tantos en el tratamiento como en la comprensión del perfil molecular de los tumores".
Más información sobre el estudio
La innovadora herramienta 'Sturgeon' utiliza el aprendizaje profundo para mejorar la clasificación intraoperatoria de los tumores cerebrales, ayudando a una mejor toma de decisiones quirúrgicas.
El modelo está diseñado para ser "ultrarrápido" en la clasificación de tipos y subtipos de tumores.
- Desafíos: Clasificar los tumores durante la cirugía es difícil debido al tiempo limitado de secuenciación y a la cobertura incierta de los datos.
- La solución de Sturgeon: Este sistema de aprendizaje profundo utiliza datos derivados de matrices de metilación ampliamente disponibles, que se utilizan para crear perfiles de tumores cerebrales. Sturgeon subcontrata tareas informáticas intensivas para minimizar los recursos informáticos durante la cirugía.
- Rendimiento: El modelo ha mostrado resultados consistentes, pero a menudo no tiene en cuenta la diversidad intratumoral. Proporcionó el diagnóstico correcto en 72% de las pruebas quirúrgicas.
- Desarrollo futuro: A medida que se adquieran más datos, los de Sturgeon se irán ampliando, aunque las restricciones a la hora de compartir datos por motivos de privacidad dificultan el aprendizaje interinstitucional.
- Limitaciones: Una posible limitación es la cantidad de tejido necesaria. El modelo requiere un tamaño de muestra de unos 5 x 5 x 5 mm para obtener los mejores resultados, pero se ha extraído con éxito suficiente ADN de muestras más pequeñas.
Y lo que es más importante, con Sturgeon, los resultados del diagnóstico tumoral pueden obtenerse en 90 minutos, en consonancia con los plazos quirúrgicos. De este modo, los cirujanos disponen de información en tiempo real que les permite tomar mejores decisiones durante la intervención.
Aunque los datos de Sturgeon son beneficiosos, lo ideal sería utilizarlos junto con la evaluación de un patólogo cualificado, según el estudio.
Sturgeon se une a la legión de modelos de IA de vanguardia orientados a la medicina creados este año, lo que ilustra la capacidad de la tecnología para transformar los resultados de la atención sanitaria.
